Chevron Left
Вернуться к Введение в машинное обучение

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

4.7
звезд
Оценки: 2,366
Рецензии: 484

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

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.

AG
7 мая 2020 г.

Очень познавательно. Понравилось. Интересные задачи. Хорошие обсуждения на форуме. Надо попотеть. Спасибо создателям. Больше примеров вместо сухой теории было бы вообще шикарно.

Фильтр по:

101–125 из 468 отзывов о курсе Введение в машинное обучение

автор: Sergey Y

19 нояб. 2018 г.

Очень хороший курс для стартового уровня. По окончании курса обретаемого уровня хватает для участия в некоторых соревнованиях Kaggle. Хорошие преподаватели, спокойный темп - я успевал за выходные. Рекомендую!

автор: Festa Y Y

13 сент. 2018 г.

Отличный курс! Было очень интересно слушать лекции и применять новые знания сразу на практике. Буду рекомендовать этот курс знакомым и коллегам, которые также как и я делают первые шаги в машинном обучении.

автор: maximus

21 нояб. 2017 г.

Хороший начальный курс. Позволяет освоить и изучить основные методы машинного обучения. Преподается на хорошем математическом уровне, без ненужных упрощений. В общем остались только приятные впечатления.

автор: Alexey

15 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.

автор: Stan S

6 мар. 2016 г.

Отличный курс, на мой взгляд. Напомнил институт, когда надо самому думать и делать в 80%, а не просто monkey see, monkey do. Кто хочет чему-то научиться должен сам хотеть и уметь учиться. Спасибо.

автор: Anna D

30 апр. 2020 г.

Отличный курс, дает обзор основных алгоритмов и областей их применения. Хорошо сбалансированы сложность и интересность заданий - позволяет новичкам пройти курс не теряя интереса к теме.

автор: Багринцев А В

4 мар. 2016 г.

Интересная подача материала, понятные пояснения, логичная последовательность нарастания сложности курса. Как новичок, не чувствую ни недоумений, ни больших замешательств. Спасибо!

автор: Левченко Е С

14 мар. 2016 г.

Очень хороший курс! Для меня показался сложным, но практические задания крайне полезные.

После прохождения имеется возможность действительно использовать знания "на деле".

Спасибо!

автор: Агеев С

29 авг. 2017 г.

Весьма информативный курс, сочетающий в себе как теоретические, так и практические аспекты предмета. Рекомендую как одну из удачных точек входа в тематику машинного обучения.

автор: Denis B

10 февр. 2016 г.

Спасибо за курс. Хороший материал. Отличные задания.

Есть желание пройти курс "Практическое машинное обучение" с большим количеством примеров и практик от авторов этого курса.

автор: Руслан Ф Ш

25 мар. 2021 г.

Очень полезный, интересный и своевременный курс! Рекомендую всем, кто-то когда-то увлекался математикой и ИИ, но потом головой ушел в технологии, и малость отстал от науки.

автор: Alexey K

21 февр. 2018 г.

Спасибо за увлекательное приключение. Вся информация по полочкам. После окончания курса наметились несколько областей, где можно начинать пробовать приментять на практике.

автор: Roman M

31 мар. 2016 г.

Огромное спасибо за этот курс! Для меня этот курс заполнил пропасть между теоретическими вопросами и применением их на практике (например, участвуя в конкурсах на kaggle).

автор: Pavel

22 мая 2020 г.

Отличный курс! Если некоторые моменты непонятны более подробные ответы можно найти в этих лекциях https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC

автор: Павел М

1 июня 2020 г.

Курс очень понравился, хорошие лекторы. Хотелось бы в рамках курса попробовать написать самому какой-нибудь метод, но ничего. Еще не хватило заданий по нейронным сетям.

автор: Поликанин А С

14 июня 2020 г.

Если совсем незнакомы с Python, то будет тяжко. Курс дал основы, чтобы двигаться дальше в этом направлении, надо подтягивать линейную алгебру и теорию вероятностей.

автор: Владислав Ч

23 июня 2020 г.

Отличный курс! Много теории и практики. Но иногда казалось слишком большой разрыв между ними. Поэтому не всегда получалось связывать задания с пройденной теорией.

автор: Iryna L

21 янв. 2017 г.

Спасибо большое за то, что вы делаете. Прекрасный курс с интересными задачами, по которым не тольео можно научиться, но и узнать несто новое по смежным областям.

автор: Елохин А А

22 февр. 2019 г.

Отличный курс, действительно почувствовал, что узнал что-то новое, появилась некоторая система в голове касательно методов машинного обучения. Спасибо авторам!

автор: Прошян Г

4 сент. 2019 г.

Отличный курс, но не лучший выбор курса, чтобы сделать первый шаг в ML. Курс предполагает наличие знаний по матану, материал не разжеван, нужно много гуглить

автор: Ольга К

25 нояб. 2019 г.

Спасибо преподавателям, коротко, без воды, очень полезные тесты и практические занятия. Но главное - мотивирует на дальнейшее обучение в данном направлении.

автор: Denis Z

4 дек. 2017 г.

В конце курса понял, что хочу стать настоящим мужчиной, как Воронцов Константин Вячеславович. Для меня курс стал входной дверью, т.к. курс от яникса дикий.

автор: Коноваленко И В

8 мая 2019 г.

Курс очень увлекательный, он позволил мне вникнуть в предметную область, рассмотреть основные особенности алгоритмов и установить вектор будущего развития

автор: Andrey S

9 апр. 2018 г.

Курс понравился. Очень хороший баланс между теорией и практикой, никакой воды в рассуждениях, всё по делу. И практические задания интересные. Рекомендую

автор: Nikita B

27 июля 2017 г.

Очень хороший базовый курс. Дает общее представление о принципах и методах машинного обучения, навыки работы с популярной библиотекой scikit-learn.