Специализация: общие сведения

Карьерные результаты учащихся
50%
Начали новую карьеру, пройдя этот продукт (Специализация).
43%
Стали больше зарабатывать или получили повышение.

Только онлайн-курсы

Начните сейчас и учитесь по собственному графику.

Гибкий график

Установите гибкие сроки сдачи заданий.

Продвинутый уровень

Английский

Субтитры: Английский, Корейский
Карьерные результаты учащихся
50%
Начали новую карьеру, пройдя этот продукт (Специализация).
43%
Стали больше зарабатывать или получили повышение.

Только онлайн-курсы

Начните сейчас и учитесь по собственному графику.

Гибкий график

Установите гибкие сроки сдачи заданий.

Продвинутый уровень

Английский

Субтитры: Английский, Корейский

О специализации

Пройти курсы

Специализация Coursera — это серия курсов, помогающих в совершенстве овладеть определенным навыком. Можно сразу записаться на специализацию или просмотреть курсы, из которых она состоит и выбрать тот, с которого вы хотите начать. Подписываясь на курс, который входит в специализацию, вы автоматически подписываетесь на всю специализацию. Можно завершить всего один курс, а потом сделать паузу в обучении или в любой момент отменить подписку. Отслеживайте свои курсы и прогресс на панели управления учащегося.

Практический проект

В каждой специализации есть практический проект, который нужно успешно выполнить, чтобы завершить специализацию и получить сертификат. Если для практического проекта в специализации предусмотрен отдельный курс, прежде чем начать его, необходимо завершить все остальные курсы.

Получите сертификат

Когда вы пройдете все курсы и завершите практический проект, вы получите сертификат, которым можно поделиться с потенциальными работодателями и коллегами.

how it works

Специализация включает несколько курсов: 7

Курс1

Курс 1

Introduction to Deep Learning

4.6
звезд
Оценки: 1,292
Рецензии: 290
Курс2

Курс 2

How to Win a Data Science Competition: Learn from Top Kagglers

4.7
звезд
Оценки: 810
Рецензии: 171
Курс3

Курс 3

Bayesian Methods for Machine Learning

4.6
звезд
Оценки: 493
Рецензии: 137
Курс4

Курс 4

Practical Reinforcement Learning

4.1
звезд
Оценки: 317
Рецензии: 87

Преподаватели

от партнера

Логотип Национальный исследовательский университет "Высшая школа экономики"

Национальный исследовательский университет "Высшая школа экономики"

Логотип одного из отраслевых партнеров

Часто задаваемые вопросы

  • Да! Чтобы начать, нажмите карточку интересующего вас курса и зарегистрируйтесь. Зарегистрировавшись, вы можете пройти курс и получить сертификат, ссылкой на который можно делиться с другими людьми. Просто ознакомиться с содержанием курса можно бесплатно. При подписке на курс, входящий в специализацию, вы автоматически подписываетесь на всю специализацию. Ход учебы можно отслеживать в панели управления учащегося.

  • Это полностью дистанционный курс, потому вам не нужно ничего посещать. Все лекции, материалы для самостоятельного изучения и задания доступны всегда и везде по Интернету и с мобильных устройств.

  • Time to completion can vary based on your schedule, but most learners are able to complete the Specialization in 8-10 months.

  • As prerequisites we assume calculus and linear algebra (especially derivatives, matrices and operations with them), probability theory (random variables, distributions, moments), basic programming in python (functions, loops, numpy), basic machine learning (linear models, decision trees, boosting and random forests). Our intended audience are all people who are already familiar with basic machine learning and want to get a hand-on experience of research and development in the field of modern machine learning.

  • We recommend taking the “Intro to Deep Learning” course first as most of the subsequent courses will build on its material. All other courses can be taken in any order.

  • Coursera courses and certificates don't carry university credit, though some universities may choose to accept Specialization Certificates for credit. Check with your institution to learn more.

  • After completing 7 courses of the Specialization you will be able to:

    Use modern deep neural networks for various machine learning problems with complex inputs;

    Participate in data science competitions and use the most popular and effective machine learning tools;

    Adopt the best practices of data exploration, preprocessing and feature engineering;

    Perform Bayesian inference, understand Bayesian Neural Networks and Variational Autoencoders;

    Use reinforcement learning methods to build agents for games and other environments;

    Solve computer vision problems with a combination of deep models and classical computer vision algorithms;

    Outline state-of-the-art techniques for natural language tasks, such as sentiment analysis, semantic slot filling, summarization, topics detection, and many others;

    Build goal-oriented dialogue agents and train them to hold a human-like conversation;

    Understand limitations of standard machine learning methods and design new algorithms for new tasks.

Остались вопросы? Посетите Центр поддержки учащихся.