课程信息

174,719 次近期查看

学生职业成果

33%

完成这些课程后已开始新的职业生涯

50%

通过此课程获得实实在在的工作福利

45%

加薪或升职
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
第 2 门课程(共 6 门)
可灵活调整截止日期
根据您的日程表重置截止日期。
中级
完成时间大约为59 小时
俄语(Russian)

您将获得的技能

Random ForestPython ProgrammingMachine LearningSupervised Learning

学生职业成果

33%

完成这些课程后已开始新的职业生涯

50%

通过此课程获得实实在在的工作福利

45%

加薪或升职
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
第 2 门课程(共 6 门)
可灵活调整截止日期
根据您的日程表重置截止日期。
中级
完成时间大约为59 小时
俄语(Russian)

提供方

Placeholder

莫斯科物理科学与技术学院

Placeholder

Yandex

Placeholder

E-Learning Development Fund

教学大纲 - 您将从这门课程中学到什么

内容评分Thumbs Up88%(35,841 个评分)Info
1

1

完成时间为 10 小时

Машинное обучение и линейные модели

完成时间为 10 小时
13 个视频 (总计 82 分钟), 8 个阅读材料, 8 个测验
13 个视频
Как устроена специализация, и зачем ее проходить3分钟
МФТИ1分钟
Знакомство с машинным обучением11分钟
Обучение на размеченных данных5分钟
Обучение без учителя5分钟
Признаки в машинном обучении8分钟
Линейные модели в задачах регрессии9分钟
Обучение линейной регрессии6分钟
Градиентный спуск для линейной регрессии7分钟
Стохастический градиентный спуск4分钟
Линейная классификация6分钟
Функции потерь в задачах классификации6分钟
8 个阅读材料
Формат специализации и получение сертификата10分钟
Немного о Yandex10分钟
МФТИ10分钟
Forum&Chat10分钟
Слайды к лекциям10分钟
Конспект10分钟
Слайды к лекциям10分钟
Конспект10分钟
6 个练习
Основные термины в машинном обучении30分钟
Типы задач в машинном обучении30分钟
Машинное обучение: задачи и признаки30分钟
Линейная регрессия30分钟
Градиентный спуск30分钟
Линейные модели30分钟
2

2

完成时间为 11 小时

Борьба с переобучением и оценивание качества

完成时间为 11 小时
14 个视频 (总计 126 分钟), 9 个阅读材料, 8 个测验
14 个视频
Регуляризация7分钟
Оценивание качества алгоритмов7分钟
Сравнение алгоритмов и выбор гиперпараметров4分钟
Метрики качества в задачах регрессии10分钟
Метрики качества классификации4分钟
Точность и полнота8分钟
Объединение точности и полноты5分钟
Качество оценок принадлежности классу12分钟
Встроенные датасеты. Sklearn.datasets15分钟
Кросс-валидация. Sklearn.cross_validation9分钟
Линейные модели. Sklearn.linear_model. Классификация10分钟
Линейные модели. Sklearn.linear_model. Регрессия7分钟
Метрики качества. Sklearn.metrics13分钟
9 个阅读材料
Слайды к лекциям10分钟
Конспект10分钟
Слайды к лекциям10分钟
Конспект10分钟
Встроенные датасеты. Sklearn.datasets (ipython notebook)10分钟
Кросс-валидация. Sklearn.cross_validation (ipython notebook)10分钟
Линейные модели. Sklearn.linear_model. Классификация (ipython notebook)10分钟
Линейные модели. Sklearn.linear_model. Регрессия (ipython notebook)10分钟
Метрики качества. Sklearn.metrics (ipython notebook)10分钟
6 个练习
Проблема переобучения30分钟
Проблема переобучения и борьба с ней30分钟
Как измерить качество алгоритма?30分钟
Метрики качества30分钟
Встроенные датасеты и кросс-валидация30分钟
Введение в scikit-learn30分钟
3

3

完成时间为 9 小时

Линейные модели: классификация и практические аспекты

完成时间为 9 小时
14 个视频 (总计 97 分钟), 7 个阅读材料, 7 个测验
14 个视频
Метод максимального правдоподобия4分钟
Регрессия как максимизация правдоподобия2分钟
Регрессия как оценка среднего4分钟
Регуляризация8分钟
Задача оценивания вероятностей и логистическая регрессия8分钟
Масштабирование признаков6分钟
Спрямляющие пространства5分钟
Работа с категориальными признаками4分钟
Несбалансированные данные5分钟
Многоклассовая классификация4分钟
Подбор параметров по сетке. Sklearn.grid_search9分钟
Задача: bike sharing demand15分钟
Задача: bike sharing demand. Продолжение13分钟
7 个阅读材料
Слайды к лекциям10分钟
Конспект10分钟
Слайды к лекциям10分钟
Конспект10分钟
Подбор параметров по сетке. Sklearn.grid_search (ipython notebook)10分钟
Задача Bike Sharing Demand (ipython notebook)10分钟
Задача Bike Sharing Demand. Продолжение (ipython notebook)10分钟
6 个练习
Метод максимального правдоподобия30分钟
Линейные модели: статистический взгляд30分钟
Линейные модели: подготовка признаков30分钟
Линейные модели: практические аспекты30分钟
Подбор параметров по сетке30分钟
Анализ данных в scikit-learn30分钟
4

4

完成时间为 13 小时

Решающие деревья и композиции алгоритмов

完成时间为 13 小时
17 个视频 (总计 114 分钟), 10 个阅读材料, 8 个测验
17 个视频
Обучение решающих деревьев6分钟
Критерии информативности7分钟
Критерии останова и стрижка деревьев4分钟
Решающие деревья и категориальные признаки8分钟
Решающие деревья в sklearn10分钟
Композиции деревьев6分钟
Смещение и разброс9分钟
Случайные леса6分钟
Трюки со случайными лесами4分钟
Случайные леса в sklearn7分钟
Композиции простых алгоритмов5分钟
Градиентный бустинг7分钟
Борьба с переобучением в градиентном бустинге6分钟
Градиентный бустинг для регрессии и классификации4分钟
Градиентный бустинг над решающими деревьями5分钟
Градиентный бустинг в XGBoost5分钟
10 个阅读材料
Решающие деревья в sklearn (ipython notebook)10分钟
Слайды к лекциям10分钟
Конспект10分钟
Случайные леса в sklearn (ipython notebook)10分钟
Слайды к лекциям10分钟
Конспект10分钟
XGBoost10分钟
Градиентный бустинг в XGBoost (ipython notebook)10分钟
Слайды к лекциям10分钟
Конспект10分钟
6 个练习
Построение решающих деревьев30分钟
Решающие деревья30分钟
Бэггинг30分钟
Композиции и случайные леса30分钟
Обучение композиций и градиентный бустинг30分钟
Градиентный бустинг: обучение и практические аспекты30分钟

审阅

来自ОБУЧЕНИЕ НА РАЗМЕЧЕННЫХ ДАННЫХ的热门评论

查看所有评论

关于 机器学习和数据分析 专项课程

机器学习和数据分析

常见问题

还有其他问题吗?请访问 学生帮助中心