Chevron Left
Вернуться к Введение в машинное обучение

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

4.6
звезд
Оценки: 2,335
•
Рецензии: 473

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:

176–200 из 457 отзывов о курсе Введение в машинное обучение

автор: Манс Н

•
21 июня 2016 г.

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

автор: Buzikov M

•
20 окт. 2018 г.

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

автор: Родин М С

•
20 июня 2018 г.

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

автор: Konstantin V

•
25 окт. 2020 г.

Отлично, прекрасный баланс между "все объяснили для практики" и "найди в интернете"

автор: Ерден Ж

•
19 сент. 2017 г.

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

автор: Дмитрий

•
23 февр. 2016 г.

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

автор: Болтачев А В

•
18 апр. 2018 г.

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

автор: Fedor K

•
29 нояб. 2017 г.

Хороший баланс теоритической и практической части курса. Реалистичные задания.

автор: rinat

•
11 дек. 2016 г.

Очень интересный курс. Нет углубления в теорию (ненужного). Акцент на практику

автор: Евгений

•
28 нояб. 2017 г.

Отлично. И не думал что существуют настолько интересно организованные курсы.

автор: Сергей Т

•
8 июля 2017 г.

Отличный курс для начала знакомства с миром машинного обучения и нейросетей.

автор: Victor S

•
4 апр. 2018 г.

Отличный старт в машинном обучении. Пришлось повспоминать линейную алгебру.

автор: Dmitry S

•
28 июня 2017 г.

Интересные материалы, отличные преподаватели, хорошее начало для новичков.

автор: Павел М

•
19 нояб. 2017 г.

Практическая часть просто великолепная. Теория, честно говоря, скучновата

автор: Никита К

•
3 мая 2017 г.

Большое спасибо!

Курс больше всего интересен благодаря интересным задачам.

автор: Abitov D

•
15 мар. 2017 г.

Отличный курс.

Сильная теория и практика.

Развивает навыки работы в Python.

автор: Vlad L

•
27 окт. 2016 г.

Everything is great! Sometimes lectures were apart from seminars and labs

автор: Минаков В

•
23 апр. 2020 г.

Курс является отличным по качеству предоставленного материала лекторами

автор: Дмитрий И

•
9 мар. 2016 г.

Мне очень понравился данный курс, спасибо создателям. Помогло в работе!

автор: Lopatina A S

•
12 мая 2020 г.

Очень информативный курс, как раз подходит для введения в Data Science

автор: Yuriy M

•
31 янв. 2016 г.

Классно, полезно, с элементами самообучения, что очень важно.

Спасибо!

автор: Токарев О С

•
26 сент. 2018 г.

Отличный курс! Все по делу и много практики! Порекомендую друзьям!

автор: Maksim K

•
8 авг. 2019 г.

Everything is great!

Thanks a lot for the time and consideration!

автор: Filatov S

•
17 апр. 2020 г.

Отличный баланс теоретической информации и практических заданий!

автор: Гусев С А

•
26 дек. 2019 г.

Великолепный курс, получил много новых умений и знаний. Спасибо!

Coursera Footer

Лучшие онлайн-курсы

Лучшие онлайн-специализации

Сертификаты онлайн

Программы получения онлайн-дипломов

Coursera

Сообщество

Еще

Учитесь, где угодно
Загрузить из App StoreЗагрузить в Google Play