课程信息

222,405 次近期查看

学生职业成果

47%

完成这些课程后已开始新的职业生涯

60%

通过此课程获得实实在在的工作福利

40%

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50 小时
俄语(Russian)
字幕:俄语(Russian)

您将获得的技能

Random ForestPython ProgrammingMachine LearningSupervised Learning

学生职业成果

47%

完成这些课程后已开始新的职业生涯

60%

通过此课程获得实实在在的工作福利

40%

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50 小时
俄语(Russian)
字幕:俄语(Russian)

提供方

莫斯科物理科学与技术学院 徽标

莫斯科物理科学与技术学院

Yandex 徽标

Yandex

E-Learning Development Fund 徽标

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%(34,986 个评分)Info
1

1

完成时间为 9 小时

Машинное обучение и линейные модели

完成时间为 9 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 обучении6分钟
Типы задач в машинном обучении6分钟
Машинное обучение: задачи и признаки12分钟
Линейная регрессия4分钟
Градиентный спуск4分钟
Линейные модели8分钟
2

2

完成时间为 9 小时

Борьба с переобучением и оценивание качества

完成时间为 9 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 переобучения6分钟
Проблема переобучения и борьба с ней10分钟
Как измерить качество алгоритма?6分钟
Метрики качества10分钟
Встроенные датасеты и кросс-валидация8分钟
Введение в scikit-learn10分钟
3

3

完成时间为 7 小时

Линейные модели: классификация и практические аспекты

完成时间为 7 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 правдоподобия6分钟
Линейные модели: статистический взгляд14分钟
Линейные модели: подготовка признаков6分钟
Линейные модели: практические аспекты6分钟
Подбор параметров по сетке6分钟
Анализ данных в scikit-learn12分钟
4

4

完成时间为 10 小时

Решающие деревья и композиции алгоритмов

完成时间为 10 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 деревьев8分钟
Решающие деревья14分钟
Бэггинг6分钟
Композиции и случайные леса8分钟
Обучение композиций и градиентный бустинг4分钟
Градиентный бустинг: обучение и практические аспекты8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

Мы покажем, как проходит полный цикл анализа, от сбора данных до выбора оптимального решения и оценки его качества. Вы научитесь пользоваться современными аналитическими инструментами и адаптировать их под особенности конкретных задач. В рамках специализации вы освоите основные темы, необходимые в работе с большим массивом данных, в т.ч. современные методы классификации и регрессии, поиск структуры в данных, проведение экспериментов, построение выводов, базовая фундаментальная математика, основы программирования на Python. Мы разберём, как построить рекомендательную систему, оценить эмоциональную окраску текста, спрогнозировать спрос на товар, оценить вероятность клика по рекламе и т.д. В финале вам потребуется выполнить проект собственной системы, решающей любую актуальную для бизнеса задачу. Результатом будет наглядная работающая модель, которую вы сможете использовать в вашей повседневной работе или продемонстрировать на собеседовании. Все, прошедшие специализацию, могут принять участие в Программе трудоустройства. Если вы заинтересованы в новых проектах, новых перспективах и возможностях - пройдите обучение по Специализации и подайте заявку....
机器学习和数据分析

常见问题

  • 讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程,则可以免费查看大多数课程资料。要访问评分作业并获得证书,您需要在旁听期间或之后购买证书体验。如果看不到旁听选项:

    • 课程可能不提供旁听选项。您可以尝试免费试用,也可以申请助学金。
    • 课程可能会改为提供'完整课程,没有证书'。通过此选项,您可以查看所有课程材料、提交所要求的作业,以及获得最终成绩。这也意味着您将无法购买证书体验。
  • 您注册课程后,将有权访问专项课程中的所有课程,并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中,您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容,可以免费旁听课程。

  • 如果订阅,您可以获得 7 天免费试听,在此期间,您可以取消课程,无需支付任何罚金。在此之后,我们不会退款,但您可以随时取消订阅。请阅读我们完整的退款政策

  • 是的,Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请,申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤,包括毕业项目。了解更多

  • 此课程不提供大学学分,但部分大学可能会选择接受课程证书作为学分。查看您的合作院校,了解详情。Coursera 上的在线学位Mastertrack™ 证书提供获得大学学分的机会。

还有其他问题吗?请访问 学生帮助中心