Об этом курсе
Недавно просмотрено: 156,537

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Прибл. 35 часа на выполнение

Предполагаемая нагрузка: 7 недель исследования, 3-5 часов / неделю...

Русский

Субтитры: Русский

Приобретаемые навыки

Python ProgrammingMachine Learning (ML) AlgorithmsMachine LearningPandas
Учащиеся, которые проходят продукт ''Course'
  • Process Analysts
  • Economists
  • Machine Learning Engineers
  • Risk Managers
  • Auditors

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Прибл. 35 часа на выполнение

Предполагаемая нагрузка: 7 недель исследования, 3-5 часов / неделю...

Русский

Субтитры: Русский

Программа курса: что вы изучите

Неделя
1
5 ч. на завершение

Знакомство с анализом данных и машинным обучением

5 видео ((всего 57 мин.)), 4 материалов для самостоятельного изучения, 2 тестов
5 видео
Формальная постановка задачи машинного обучения14мин
Примеры применения машинного обучения — 110мин
Примеры применения машинного обучения — 213мин
Проблема переобучения. Методология решения задач машинного обучения.15мин
4 материала для самостоятельного изучения
Приветствие и вводная информация10мин
FAQ10мин
Python для анализа данных10мин
Работа с векторами и матрицами в NumPy10мин
1 практического упражнения
Основные понятия машинного обучения8мин
4 ч. на завершение

Логические методы классификации

4 видео ((всего 35 мин.)), 2 тестов
4 видео
Алгоритм построения решающего дерева6мин
Обработка пропусков. Достоинства и недостатки решающих деревьев.8мин
Способы устранения недостатков решающих деревьев12мин
1 практического упражнения
Решающие деревья4мин
Неделя
2
7 ч. на завершение

Метрические методы классификации

4 видео ((всего 34 мин.)), 3 тестов
4 видео
Метод окна Парзена8мин
Метрические методы классификации в задаче восстановления регрессии9мин
Обнаружение выбросов6мин
1 практического упражнения
Метрические методы4мин
4 ч. на завершение

Линейные методы классификации

5 видео ((всего 31 мин.)), 2 тестов
5 видео
Градиентные методы численной минимизации и алгоритм SG5мин
Алгоритм SAG3мин
Метод стохастического градиента. Достоинства и недостатки.10мин
Проблема переобучения5мин
1 практического упражнения
Линейные методы и градиентный спуск6мин
Неделя
3
10 ч. на завершение

Метод опорных векторов и логистическая регрессия

5 видео ((всего 38 мин.)), 5 тестов
5 видео
Метод опорных векторов. Обобщение для нелинейного случая8мин
Логистическая регрессия6мин
Пример применения логистической регрессии5мин
Регуляризованная логистическая регрессия2мин
2 практического упражнения
Особенности метода опорных векторов6мин
Логистическая регрессия4мин
4 ч. на завершение

Метрики качества классификации

3 видео ((всего 31 мин.)), 2 тестов
3 видео
Метрики качества классификации — 212мин
Многоклассовая классификация7мин
1 практического упражнения
Метрики качества классификации6мин
Неделя
4
3 ч. на завершение

Линейная регрессия

3 видео ((всего 23 мин.)), 1 тест
3 ч. на завершение

Понижение размерности и метод главных компонент

1 видео ((всего 14 мин.)), 1 тест
4.6
Рецензии: 387Chevron Right

39%

начал новую карьеру, пройдя эти курсы

47%

получил значимые преимущества в карьере благодаря этому курсу

30%

стал больше зарабатывать или получил повышение

Лучшие отзывы о курсе Введение в машинное обучение

автор: ALSep 25th 2018

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

автор: KSJun 10th 2018

Добротный курс, который дает набор минимальных знаний по теме. Сделано качественно, однако, есть что поправить в плане структурной целостности и логичности построения курса.

Преподаватели

Avatar

Константин Вячеславович Воронцов

Профессор
Факультет компьютерных наук НИУ ВШЭ, Школа анализа данных Яндекса
Avatar

Evgeny Sokolov

Senior Lecturer
HSE Faculty of Computer Science

О Национальный исследовательский университет "Высшая школа экономики"

National Research University - Higher School of Economics (HSE) is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more. Learn more on www.hse.ru...

О Школа анализа данных Яндекса

В Школе анализа данных в течение двух лет студенты осваивают машинное обучение, компьютерное зрение, анализ текстов на естественном языке и другие направления современных компьютерных наук. Эти предметы обычно не входят в университетские программы, но при этом пользуются огромным спросом в отраслях, где уже применяются наукоёмкие информационные технологии. Некоторые выпускники Школы попадают на стажировку в Яндекс, где применяют только что полученные знания....

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.