Chevron Left
返回到 Обучение на размеченных данных

学生对 莫斯科物理科学与技术学院 提供的 Обучение на размеченных данных 的评价和反馈

4.8
2,077 个评分
270 个审阅

课程概述

Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров. Это может быть предсказание уровня пробок на участке дороги, определение возраста пользователя по его действиям в интернете, предсказание цены, по которой будет куплена подержанная машина. В этом курсе вы научитесь формулировать и, конечно, решать такие задачи. В центре нашего внимания будут успешно применяемые на практике алгоритмы классификации и регрессии: линейные модели, нейронные сети, решающие деревья и так далее. Особый акцент мы сделаем на такой мощной технике как построение композиций, которая позволяет существенно повысить качество отдельных алгоритмов и широко используется при решении прикладных задач. В частности, мы узнаем про случайные леса и про метод градиентного бустинга. Построение предсказывающих алгоритмов — это лишь часть работы при решении задачи анализа данных. Мы разберемся и с другими этапами: оценивание обобщающей способности алгоритмов, подбор параметров модели, выбор и подсчет метрик качества. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

热门审阅

RN

Jan 21, 2017

Один из лучших курсов по обучению на размеченных данных. Немного расстраивали несбалансированность сложности домашних заданий и промежуточных проверок правильности подготовки данных в заданиях.

AG

Nov 15, 2019

Очень интересный и более сложный курс по сравнению с предыдущим! Но!! Хотелось бы обновлений и дополнений по нейросетям (мало информации), а также не затронут TensorFlow, что не очень хорошо!

筛选依据:

151 - Обучение на размеченных данных 的 175 个评论(共 252 个)

创建者 Alexey S

Sep 11, 2016

Отличный курс! Спасибо большое команде его подготовившей. Отлично подобранные задания позваляют набраться уверенности в данной области.

创建者 Bakyt

Nov 25, 2017

отличный вводный курс в методы обучения с учителем, большое количество практических примеров

创建者 Pyltsin M

Apr 09, 2016

Круто. Спасибо YANDEX!

创建者 Roman M

Sep 19, 2016

Хороший понятный курс. Больше уклон на востребованную практику чем на теорию.

创建者 Alexander S

Sep 29, 2017

Great! The best you can find on Courser for introduction to ML. You have to know Russian for this course.

创建者 Vitaly T

Nov 20, 2017

Отличный курс!

创建者 Yuriy V

Dec 10, 2016

Отличный курс, жаль, что в универе не все вещи объяснялись так же понятно и просто :)

创建者 Valeriia N

Jan 31, 2018

The course overall is very good, especially if to read all the additional materials and google things to know more.

The only thing I personally did not like is non-uniformness of different parts. For example, in my opinion, the neural network part was much weaker than others: nothing was easy to understand in the videos and the practical task was just boring. However I need to notice that gradient boosting part and methods review part were really good.

Also a little thing that I did not like is that some of the tasks were in ipynb, and the others were not. It was just a bit imperfect.

Thank you for the course very much! I really enjoyed it and learned the things I did not know before.

创建者 Vladislav G

Aug 01, 2017

Интересный курс с множеством прикладных задач. Сделайте по возможности курс, а лучше специализацию, по нейронным сетям в продолжение данной.

创建者 Aleksey S

Apr 24, 2016

Кое-что так и осталось неясным (например нейросети объяснены очень поверхностно и непонятно), но в целом курс очень понравился.

创建者 Андрей А В

May 07, 2017

Gj

创建者 Aleshin A

Dec 10, 2017

Очень интересный курс.

创建者 Sander S

Jun 15, 2016

very professional best in web!!

most updated knowladge , code is very good

创建者 Olena K

Aug 30, 2016

Спасибо, было очень интересно. Хотелось бы расширить его и сделать более подробным.

创建者 Roman P

Mar 31, 2018

Интересные задания, актуальные технологии. Отличный курс!

创建者 Evgeniy S

Jan 02, 2017

Отличный курс. Очень высокая интенсивность, но один из немногих на Coursere, который дает реальные знания!!!

创建者 Andryuschenko A

Nov 08, 2016

Супер! Ясно, понятно! Знания полученные на этом курсе можно использовать на практике на довольно широком пласте практических задач

创建者 Alexander G

Oct 18, 2017

Замечательный курс по машинному обучению для начинающих. Очень рекомендую!

创建者 Petr K

May 04, 2018

Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.

创建者 Anton S

Dec 27, 2016

Курс отличный. Доступное изложение материала. Рекомендуется к прохождению интересующимся темой.

创建者 Kozlovtsev A

Jul 28, 2016

Хороший курс. Поначалу казалось, что темы освещаются слишком уж "по вершкам", но по окончании курса, понял, что глубже и не нужно - весь необходимый практический минимум курс дает, а за теорией лучше все же обратиться к соответствующей литературе (или к специализированным курсам).

Теперь придирки :) В некоторых практических заданиях и тестах куча времени уходит на вычитывание мелких нюансов в условии. То есть написанный код верен, но грейдер не принимает ответ, потому что, например, во всех заданиях ранее мы стандартно делили выборку случайно, а в этом задании нам нужны именно последние 25%, на мой взгляд это требование в задании нужно как минимум выделять жирным шрифтом. Таких мест в задачах мало, но именно в силу своей внезапности, они сильно портят настроение.

В целом же, все понравилось, огромное спасибо преподавателям и всей команде курса!

创建者 Aleksei P

Mar 09, 2017

Очень плотный и полезный курс:)

创建者 Ilnur G

Feb 05, 2018

Отличный курс!

创建者 Emin Y

Apr 25, 2018

Хороший курс, мне понравился. Спасибо!

创建者 Данил

Jul 25, 2017

Спасибо! Курс очень понравился, из замечаний, лично на мой взгляд, хотелось бы чуть более сложных и глубоких практических заданий по программированию, еще лекции по нейронным сетям показались какими-то смазанными и не до конца понятными, но в целом все очень хорошо)