Chevron Left
返回到 Введение в машинное обучение

学生对 俄罗斯国家研究型高等经济大学 提供的 Введение в машинное обучение 的评价和反馈

4.6
2,408 个评分
493 条评论

课程概述

Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область — поиск способов автоматического быстрого анализа огромных объёмов разнородной информации. Наука о больших данных ещё только оформляется, но уже сейчас она очень востребована — и в будущем будет востребована только больше. С её помощью можно решать невероятные задачи: оценивать состояние печени по кардиограмме, предсказывать зарплату по описанию вакансии, предлагать пользователю музыку на основании его анкеты в интернете. Большими данными может оказаться что угодно: результаты научных экспериментов, логи банковских транзакций, метеорологические наблюдения, профили в социальных сетях — словом, всё, что может быть полезно проанализировать. Самым перспективным подходом к анализу больших данных считается применение машинного обучения — набора методов, благодаря которым компьютер может находить в массивах изначально неизвестные взаимосвязи и закономерности. На факультете компьютерных наук ВШЭ и в Школе анализа данных есть люди, активно использующие машинное обучение и разрабатывающие новые подходы к нему. Именно они — преподаватели этого курса. В онлайн курсе вы изучите основные типы задач, решаемых с помощью машинного обучения — в основном речь пойдёт о классификации, регрессии и кластеризации. Узнаете об основных методах машинного обучения и их особенностях, научитесь оценивать качество моделей — и решать, подходит ли модель для решения конкретной задачи. Наконец, познакомитесь с современными библиотеками, в которых реализованы обсуждаемые модели и методы оценки их качества. Для работы мы будем использовать реальные данные из реальных задач. Слушателю нужно знать об основных понятиях математики: функциях, производных, векторах, матрицах. Для выполнения практических заданий потребуются базовые навыки программирования на языке Python. Задания рассчитаны на использование этого языка и его библиотек numpy, pandas и scikit-learn. Чтобы успешно завершить курс, нужно набрать проходную сумму баллов за тесты и практические задания, а также выполнить финальный проект, посвящённый решению прикладной задачи анализа данных. Мы уверены, что этот курс будет полезен каждому, кто хочет постичь искусство предсказательного моделирования и освоить интеллектуальный анализ данных. Появились технические трудности? Обращайтесь на адрес: coursera@hse.ru...

热门审阅

AA
Jun 14, 2016

Хороший курс без лишнего. Некоторые методы, предлагаемые в заданиях не оптимальны с точки зрения затрат ресурсов компьютера и времени программиста, но, надеюсь, с новыми сессиями будет развитие курса.

AL
Sep 24, 2018

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

筛选依据:

301 - Введение в машинное обучение 的 325 个评论(共 477 个)

创建者 Квасильчук В И

Apr 6, 2020

Интересно, удобно

创建者 Alexander Z

Nov 26, 2017

Здорово, спасибо!

创建者 Zhassulan S

Sep 6, 2017

Very good course!

创建者 Vasily

Apr 10, 2021

Спасибо за курс!

创建者 Бодак С А

Jun 8, 2017

Не плохое начало

创建者 Петренко А В

May 10, 2017

10 звёзд из 5!!!

创建者 Смирнов С А

Jul 21, 2019

Прекрасный курс

创建者 Алексей

Mar 22, 2016

Отличная идея с

创建者 Жақыпбек Н

Mar 31, 2021

Отличный курс!

创建者 Evgenii A

Nov 1, 2020

Отличный курс!

创建者 Зикеева Е А

Jun 4, 2018

Отличный курс!

创建者 Nikolai M

Mar 5, 2018

Классный курс!

创建者 Dan K

Feb 22, 2018

Отличный курс!

创建者 Almaz S

Jun 18, 2017

Отличный курс!

创建者 Акобян А А

Jun 17, 2019

отличный курс

创建者 Konstantin C

Jan 14, 2018

отличный курс

创建者 Ашурбеков З И

Jun 15, 2016

Щииикарно всё

创建者 Sergey M

Mar 15, 2016

Очень полезно

创建者 Антон Г

Jan 27, 2016

Хороший курс.

创建者 Kolya M

Jan 12, 2019

Very usefull

创建者 Александр

May 12, 2020

Все классно

创建者 Летунов Ю

Mar 16, 2020

Good course

创建者 Dmitry U

Feb 17, 2016

Нормально )

创建者 Vitaliy

Sep 17, 2021

Excellent!

创建者 Denis Z

Sep 19, 2017

Very good!