Chevron Left
Вернуться к Введение в машинное обучение

Отзывы учащихся о курсе Введение в машинное обучение от партнера Национальный исследовательский университет "Высшая школа экономики"

4.6
звезд
Оценки: 2,262
Рецензии: 453

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

Sep 25, 2018

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

DD

Feb 10, 2016

Спасибо за курс. Хороший материал. Отличные задания.\n\nЕсть желание пройти курс "Практическое машинное обучение" с большим количеством примеров и практик от авторов этого курса.

Фильтр по:

151–175 из 437 отзывов о курсе Введение в машинное обучение

автор: Дубровин Л О

Aug 26, 2017

Сижу, часами читаю про математические обоснование алгоритма, который объясняют в видео за 5 минут, круть :)

автор: Artem S

May 07, 2018

Курс подробный и очень интересный! Потраченное на курс время окупается с лихвой, поэтому очень рекомендую!

автор: Саяпин В Ю

Dec 20, 2017

Отличный курс для изучения базовых основ машинного обучения. Идеален для тех, кто начинает изучать с нуля.

автор: Andrey N

May 07, 2017

Отличный курс с плотной теоретической и практической программой, ориентированной на конкретные применения.

автор: Yury L

Feb 04, 2016

Good alternative for Andrew Ng course in Russian. Good level, but some difficulties with tasks submission.

автор: Churmantaev D M

Feb 04, 2019

Очень интересный курс. Мат.часть, конечно, тяжело воспринимается. Но практические задания - просто огонь!

автор: Michael V M

Feb 20, 2016

Идеальный баланс между количеством/сложностью теории и практики. И все это в довольно разумные сроки.

автор: Anton

Jun 14, 2016

Здорово cкомпонованы знания по интеллектуальному анализу данных с хорошими практическими заданиями

автор: Denis S

Aug 22, 2018

Отличный курс. Лекции тяжеловато воспринимаются без наглядных иллюстраций, но в целом - хорошо.

автор: Ivan C

Aug 02, 2017

Получил массу удовольсвия и полезной информации. Спасибо.

Очень доступно структурированній курс.

автор: Никифоров М

Nov 14, 2017

Весьма полезный курс, в котором можно ознакомиться с основными алгоритмами машинного обучения.

автор: Кандрашев А

Apr 09, 2020

Для знакомства с ML и основами работы с пакетами pandas и skilearn достаточно хороший курс

автор: Воробьев И С

Nov 20, 2017

Отличный курс. Идеально подходит для введения в такую сложную тему, как машинное обучение.

автор: Mikhail U

Mar 12, 2016

Очень хороший курс для практики, если у вас уже есть некоторые знания в машинном обучении.

автор: Mike K

Jan 29, 2018

Отличный курс для начинающих - доступное изложение теории и полезные практические задания

автор: Vladimir Y

Nov 16, 2017

Это очень хороший курс, для меня он оказался лучшим в качестве старта в этой дисциплине.

автор: Abramov A

Nov 20, 2016

Большое спасибо за курс.

Это отличное начало для погружения в область машинного обучения.

автор: Andrey T

Dec 13, 2016

Хороший курс, позволит начинающему ознакомится с базовыми алгоритмами работы с данными

автор: Манс Н

Jun 21, 2016

Спасибо за данный курс. Давно искал информацию по данной сфере. Это то, что мне нужно!

автор: Buzikov M

Oct 20, 2018

Отличный вводный курс. Вполне можно пройти за 2 недели. Интересный финальный проект.

автор: Mihail R

Jun 20, 2018

Хороший курс, быстро дает представление о направлении, темы для дальнейшего изучения

автор: Ерден Ж

Sep 19, 2017

Спасибо, очень интересно и познавательно. Большое спасибо лекторам и сокурсникам!

автор: Дмитрий

Feb 23, 2016

Отличный курс, систематизирующий обрывочные знания, полученные на других курсах.

автор: Болтачев А В

Apr 18, 2018

Отличный курс. Все подробно объяснено, но при этом дан простор для размышлений.

автор: Fedor K

Nov 29, 2017

Хороший баланс теоритической и практической части курса. Реалистичные задания.