Chevron Left
Вернуться к Введение в машинное обучение

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

4.7
звезд
Оценки: 2,217
Рецензии: 439

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

Jun 15, 2016

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

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.

Фильтр по:

251–275 из 424 отзывов о курсе Введение в машинное обучение

автор: Кузнецов А А

Nov 29, 2019

Хороший курс. Рекомендую.

автор: Марков И С

Jul 14, 2019

Отлично помогает новичкам

автор: Konstantin T

Jun 23, 2017

Отличный курс для начала.

автор: Альмуханбетова М М

Feb 16, 2018

Хороший курс для начала!

автор: Peter S

Oct 23, 2017

Очень информативный курс

автор: Коробов В М

Mar 06, 2020

Сложный, но интересный.

автор: Ильяс К

Oct 22, 2017

Отличный курс, спасибо!

автор: Alexander M

Aug 02, 2017

Хороший курс для начала

автор: Артур Ш

Feb 12, 2018

Спасибо, отличный курс

автор: Кустов С Н

Sep 05, 2019

Замечательный курс!!!

автор: Pavel T

Feb 12, 2018

Отличный вводный курс

автор: Могунова е в

Apr 25, 2017

Очень хороший курс!!!

автор: Огнерубов Е В

Jun 15, 2016

Класс. Но очень сжато

автор: Тер-Акопов М А

Aug 09, 2019

Зе бест фо ми, окей

автор: Oleg D

Jul 23, 2016

Замечательный курс!

автор: Elena L

Jan 18, 2018

Великолепный курс!

автор: Гусенков С В

Dec 13, 2016

Очень хороший курс

автор: Квасильчук В И

Apr 06, 2020

Интересно, удобно

автор: Alexander Z

Nov 26, 2017

Здорово, спасибо!

автор: Zhassulan S

Sep 06, 2017

Very good course!

автор: Бодак С А

Jun 08, 2017

Не плохое начало

автор: Петренко А В

May 10, 2017

10 звёзд из 5!!!

автор: Смирнов С А

Jul 21, 2019

Прекрасный курс

автор: Алексей

Mar 22, 2016

Отличная идея с

автор: Зикеева Е А

Jun 04, 2018

Отличный курс!