Chevron Left
Вернуться к Введение в машинное обучение

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

4.6
звезд
Оценки: 2,330
Рецензии: 471

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.

DD
9 февр. 2016 г.

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:

226–250 из 455 отзывов о курсе Введение в машинное обучение

автор: Valentin

12 мар. 2016 г.

Очень хороший вводный курс в машинное обучение.

автор: Винокуров М В

9 февр. 2016 г.

У преподавателя речь очень грамотно поставлена.

автор: Шаланкин М Д

8 апр. 2019 г.

Отличный курс для введения в основные понятия.

автор: Рычков А Ф

14 окт. 2018 г.

Спасибо. Насыщенный курс, даже для "введения".

автор: Евгений Р

4 янв. 2021 г.

Очень хороший курс для базового понимания ML.

автор: Daniel

27 июля 2017 г.

Хорошее введение в основы машинного обучения.

автор: Фатуллаева А В к

4 окт. 2019 г.

Спасибо за такое замечательное приложение!!!

автор: Vladimir Y

20 мар. 2019 г.

Понравилось делать руками градиентный спуск.

автор: Anton K

26 нояб. 2018 г.

для начала - очень неплохой курс, рекомендую

автор: Albina S

29 янв. 2018 г.

Хорошие курс по введению в машинное обучение

автор: Alexander O

19 окт. 2017 г.

Отличный курс! Он познакомил меня с Kaggle!

автор: Starukhin Y A

27 нояб. 2016 г.

Highly recommend this course for beginners!

автор: Anton P

14 сент. 2017 г.

Excellent course with lot of practice. 5/5

автор: Oksana D

19 янв. 2017 г.

Спасибо за замечательные домашние задания.

автор: Alexander L

25 сент. 2020 г.

Отличный вводный курс в машинное обучение

автор: Антипин И Н

5 апр. 2018 г.

Интересный курс. Много практики. Годно.

автор: Ганиев Т

4 мар. 2018 г.

Прекрасный курс, хорошие преподаватели.

автор: Клементьев А А

22 нояб. 2016 г.

Очень помогло получить начальные знания

автор: Алексей

24 июля 2020 г.

Тяжело, но понравилось. Очень полезно.

автор: Евгений М

13 нояб. 2017 г.

Ребята, спасибо огромное! Вы молодцы!

автор: TzQWYtmxhY

23 февр. 2016 г.

Lets courses team to gain more money.

автор: Alexey S

31 июля 2017 г.

Интересно, жизненно и увлекательно!

автор: Зорин Л М

24 сент. 2017 г.

Хороший стартовый не сложный курс.

автор: Грачев А В

23 июня 2017 г.

Все здорово - и доступно и понятно

автор: Vladimir

12 апр. 2016 г.

Отличный курс, узнал много нового.