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: 2,281
Рецензии: 458

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:

226–250 из 443 отзывов о курсе Введение в машинное обучение

автор: Daniel

Jul 27, 2017

Хорошее введение в основы машинного обучения.

автор: Фатуллаева А В к

Oct 05, 2019

Спасибо за такое замечательное приложение!!!

автор: Vladimir Y

Mar 20, 2019

Понравилось делать руками градиентный спуск.

автор: Anton K

Nov 26, 2018

для начала - очень неплохой курс, рекомендую

автор: Albina S

Jan 29, 2018

Хорошие курс по введению в машинное обучение

автор: Alexander O

Oct 19, 2017

Отличный курс! Он познакомил меня с Kaggle!

автор: Starukhin Y A

Nov 27, 2016

Highly recommend this course for beginners!

автор: Anton P

Sep 14, 2017

Excellent course with lot of practice. 5/5

автор: Oksana D

Jan 19, 2017

Спасибо за замечательные домашние задания.

автор: Антипин И Н

Apr 05, 2018

Интересный курс. Много практики. Годно.

автор: Ганиев Т

Mar 04, 2018

Прекрасный курс, хорошие преподаватели.

автор: Клементьев А А

Nov 22, 2016

Очень помогло получить начальные знания

автор: Алексей

Jul 24, 2020

Тяжело, но понравилось. Очень полезно.

автор: Евгений М

Nov 13, 2017

Ребята, спасибо огромное! Вы молодцы!

автор: TzQWYtmxhY

Feb 23, 2016

Lets courses team to gain more money.

автор: Alexey S

Jul 31, 2017

Интересно, жизненно и увлекательно!

автор: Зорин Л М

Sep 24, 2017

Хороший стартовый не сложный курс.

автор: Грачев А В

Jun 23, 2017

Все здорово - и доступно и понятно

автор: Vladimir

Apr 12, 2016

Отличный курс, узнал много нового.

автор: Anton

Mar 12, 2016

Интересный и ознакомительный курс.

автор: Anton Z

Nov 17, 2017

Хороший курс, мотивирует творить

автор: Kondrashin I

Jul 10, 2019

Шикарный курс. Спасибо авторам.

автор: Соколов Е

May 22, 2018

достаточно практических занятий

автор: Александр Х

Nov 20, 2017

Отличные фундаментальные знания

автор: Афанасьев С В

Jun 05, 2017

Ну конечно это отличный курс :)