Chevron Left
Вернуться к Введение в машинное обучение

Отзывы учащихся о курсе Введение в машинное обучение от партнера НИУ ВШЭ

4.6
звезд
Оценки: 2,401
Рецензии: 491

О курсе

Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область — поиск способов автоматического быстрого анализа огромных объёмов разнородной информации. Наука о больших данных ещё только оформляется, но уже сейчас она очень востребована — и в будущем будет востребована только больше. С её помощью можно решать невероятные задачи: оценивать состояние печени по кардиограмме, предсказывать зарплату по описанию вакансии, предлагать пользователю музыку на основании его анкеты в интернете. Большими данными может оказаться что угодно: результаты научных экспериментов, логи банковских транзакций, метеорологические наблюдения, профили в социальных сетях — словом, всё, что может быть полезно проанализировать. Самым перспективным подходом к анализу больших данных считается применение машинного обучения — набора методов, благодаря которым компьютер может находить в массивах изначально неизвестные взаимосвязи и закономерности. На факультете компьютерных наук ВШЭ и в Школе анализа данных есть люди, активно использующие машинное обучение и разрабатывающие новые подходы к нему. Именно они — преподаватели этого курса. Вы изучите основные типы задач, решаемых с помощью машинного обучения — в основном речь пойдёт о классификации, регрессии и кластеризации. Узнаете об основных методах машинного обучения и их особенностях, научитесь оценивать качество моделей — и решать, подходит ли модель для решения конкретной задачи. Наконец, познакомитесь с современными библиотеками, в которых реализованы обсуждаемые модели и методы оценки их качества. Для работы мы будем использовать реальные данные из реальных задач. Краткая программа курса: Неделя 1. Введение. Примеры задач. Логические методы: решающие деревья и решающие леса. Неделя 2. Метрические методы классификации. Линейные методы, стохастический градиент. Неделя 3. Метод опорных векторов (SVM). Логистическая регрессия. Метрики качества классификации. Неделя 4. Линейная регрессия. Понижение размерности, метод главных компонент. Неделя 5. Композиции алгоритмов, градиентный бустинг. Нейронные сети. Неделя 6. Кластеризация и визуализация. Частичное обучение. Неделя 7. Прикладные задачи анализа данных: постановки и методы решения. Слушателю нужно знать об основных понятиях математики: функциях, производных, векторах, матрицах. Для выполнения практических заданий потребуются базовые навыки программирования. Очень желательно знать Python. Задания рассчитаны на использование этого языка и его библиотек numpy, pandas и scikit-learn. Чтобы успешно завершить курс, нужно набрать проходную сумму баллов за тесты и практические задания, а также выполнить финальный проект, посвящённый решению прикладной задачи анализа данных. Мы уверены, что этот курс будет полезен каждому, кто хочет постичь искусство предсказательного моделирования и освоить интеллектуальный анализ данных. Появились технические трудности? Обращайтесь на адрес: coursera@hse.ru...

Лучшие рецензии

AA
14 июня 2016 г.

Хороший курс без лишнего. Некоторые методы, предлагаемые в заданиях не оптимальны с точки зрения затрат ресурсов компьютера и времени программиста, но, надеюсь, с новыми сессиями будет развитие курса.

AL
24 сент. 2018 г.

Понравилось отсутствие "разжевывания" материала, короткие и информативные видео-лекции, довольно интересные задания. Курс дал начальное понимание основных принципов и направлений в ML.

Фильтр по:

276–300 из 475 отзывов о курсе Введение в машинное обучение

автор: Roman B

15 февр. 2017 г.

Сложно. Полезно. Интересно.

автор: Ihor I

29 янв. 2017 г.

Great course! Thanks a lot!

автор: Яковлев П

25 мар. 2021 г.

Круто, мне понравился курс

автор: Эмиль Н Ш

18 сент. 2020 г.

Для введение отличный курс

автор: Кузнецов А А

29 нояб. 2019 г.

Хороший курс. Рекомендую.

автор: Иван М

14 июля 2019 г.

Отлично помогает новичкам

автор: Konstantin T

23 июня 2017 г.

Отличный курс для начала.

автор: Альмуханбетова М М

16 февр. 2018 г.

Хороший курс для начала!

автор: Peter S

23 окт. 2017 г.

Очень информативный курс

автор: Егорина О П

22 мар. 2021 г.

Отличный курс. Спасибо.

автор: Коробов В М

5 мар. 2020 г.

Сложный, но интересный.

автор: Ильяс К

22 окт. 2017 г.

Отличный курс, спасибо!

автор: Alexander M

2 авг. 2017 г.

Хороший курс для начала

автор: Артур Ш

12 февр. 2018 г.

Спасибо, отличный курс

автор: Ruslan T

27 нояб. 2020 г.

Хорошее введение в ML

автор: Кустов С Н

5 сент. 2019 г.

Замечательный курс!!!

автор: Pavel T

12 февр. 2018 г.

Отличный вводный курс

автор: Могунова Е В

25 апр. 2017 г.

Очень хороший курс!!!

автор: Огнерубов Е В

15 июня 2016 г.

Класс. Но очень сжато

автор: Тер-Акопов М А

9 авг. 2019 г.

Зе бест фо ми, окей

автор: Oleg D

23 июля 2016 г.

Замечательный курс!

автор: Elena L

18 янв. 2018 г.

Великолепный курс!

автор: Гусенков С В

13 дек. 2016 г.

Очень хороший курс

автор: Квасильчук В И

6 апр. 2020 г.

Интересно, удобно

автор: Alexander Z

26 нояб. 2017 г.

Здорово, спасибо!