Chevron Left
返回到 Введение в машинное обучение

学生对 国立高等经济大学 提供的 Введение в машинное обучение 的评价和反馈

4.6
2,291 个评分
462 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. 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. Краткая программа курса: Неделя 1. Введение. Примеры задач. Логические методы: решающие деревья и решающие леса. Неделя 2. Метрические методы классификации. Линейные методы, стохастический градиент. Неделя 3. Метод опорных векторов (SVM). Логистическая регрессия. Метрики качества классификации. Неделя 4. Линейная регрессия. Понижение размерности, метод главных компонент. Неделя 5. Композиции алгоритмов, градиентный бустинг. Нейронные сети. Неделя 6. Кластеризация и визуализация. Частичное обучение. Неделя 7. Прикладные задачи анализа данных: постановки и методы решения. Слушателю нужно знать об основных понятиях математики: функциях, производных, векторах, матрицах. Для выполнения практических заданий потребуются базовые навыки программирования. Очень желательно знать 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

AL

Sep 25, 2018

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

DD

Feb 10, 2016

Спасибо за курс. Хороший материал. Отличные задания.\n\nЕсть желание пройти курс "Практическое машинное обучение" с большим количеством примеров и практик от авторов этого курса.

筛选依据:

26 - Введение в машинное обучение 的 50 个评论(共 447 个)

创建者 Ekaterina A

Nov 13, 2018

В курсе много внимания уделяется теории, лекции мне понравились. Видно, что преподавателям интересен предмет и что они хорошо в нём разбираются. Теория опирается на математический анализ, линейную алгебру, теорию вероятностей и другие разделы вузовской математики, так что этот курс для тех, кто довольно много изучал математику в университете.

Мне кажется, перед прохождения этого круса нужно познакомиться с алгоритмами машинного обучения на более поверхностном уровне, на каких-то частных примерах, потому что здесь сразу даются концепции в очень общем виде и сразу может быть непонятно - это вообще как и зачем используется. Программирование практически полностью оставлено на самостоятельное изучение, так что перед началом курса лучше познакомиться с библиотеками для анализа данных на используемом языке программирования (например, для Python это pandas, sklearn и тд), иначе может быть очень тяжело.

То есть этот курс хоть и "введение", но не совсем для новичков.

创建者 Кесиян Г А

Oct 25, 2019

Отличный курс введения в машинное обучение.

Теоретический материал представлен в такой мере, чтобы можно было начать двигаться в нужном направлении, но при этом требовалось самому решать подзадачи. На мой взгляд, это идеальный способ заставить учиться.

Вопросы «внутри видео» позволяют верифицировать приобретенные знания.

Вопросы в тестовых заданиях не всегда имеют прямой ответ в видеоматериалах. Периодически требуется додумывать, приходить к ответу с помощью логико-математических методов.

Практические задания требуют не только механических навыков реализации известных алгоритмов или вызова известных методов, но и всякого рода рассуждения, для получения верных решений. Наличие системы обсуждения в этом смысле является отличным способом поделиться опытом или понять решение, когда вы уже в тупике.

Итоговый проект позволяет погрузиться в проблемную область и побывать в роли учителя, что тоже, безусловно, интересно и важно.

创建者 Валерия К

May 10, 2020

Месяц назад я не могла написать нормально работающий цикл и была очень далека от машинного обучения...

А теперь знакома с различными сложными алгоритмами, методами понижения размерности, метриками качества. Я в полном восторге от курса. Теория и практика сбалансированы: вам понятно донесут информацию, вы закрепите ее с помощью тестов/практических заданий. Много ссылок на источники и вспомогательные материалы, которые помогут вам вникнуть и разобраться. Очень работающий форум: отзывчивые ребята и персонал всегда ответят на вопросы и подскажут, куда "копать".

Наконец - мотивация. Понятно, что курс - это лишь введение. Но это отличный старт, с которым понимаешь, что, даже будучи гуманитарием, при правильной методологии обучения и твоем старании эту дисциплину возможно освоить. Буду продолжать обязательно!

创建者 Fatvvs F

Mar 20, 2016

Плюсы:

1) Большой плюс курса, в нём гораздо больше информации, чем у ставшего эталоном Стэнфордского курса от Andrew Ng.

2) Python!!!!!

Минусы:

1) Незаслуженно мало внимания нейронным сетям.

2) Нет ничего про anomaly detection.

3) Не сбалансированная нагрузка, некоторые недели лайтовые. А некоторые реально перегружены материалом. Можно смело удлинить курс на 11 и более недель, с учетом остальных моих комментариев.

4) Не хватает примеров. Особенно на фоне ориентированности на математический аппарат, более жесткий чем у Andrew Ng.

5) Материал по некоторым темам очень сжат. Приходилось смотреть сторонние источники информации чтобы понять.

Но всё-равно курс очень крут.

创建者 Sodbo Z S

Mar 15, 2016

Положительные стороны курса: систематичность, последовательность, математическая строгость. Прекрасно показаны тонкие моменты в тех или иных случаях применения различных алгоритмов обучения. Для людей, незнакомых с Python - хорошая поддержка (примеры кода присутствуют в материлае и т.д.)

Негативные моменты :

1) Курс порой был строгим и академичным, однако обратная сторона медали - иногда очень хотелось получить "объяснение на пальцах". Николай Воронцов - я думаю, вы вполне можете это добавить в свои лекции. Например, лекции молодого человека в синией кофте - прекрасный пример легко усваемого и простого объяснения.

创建者 Стефаниди А Ф

Oct 09, 2017

Благодаря курсы я получил теоретические и практические знания по реализации логических методов, таких как решающие деревья и решающие леса. Углубил свои знания в области логистической и линейной регрессии, метриках оценки качества. Научился реализовывать градиентный бустинг над решающими деревьями. Получил новые теоретические знания и понимание частичного обучения. Задание с последней недели оказалось очень интересным и наглядно демонстрирующим актуальность и востребованность машинного обучения в наши дни. Спасибо большое Константину Вячеславовичу Воронцову и его команде за этот курс!!!

创建者 Siarhei K

Dec 14, 2016

Минус - практика сама по себе, теория в лекциях сама по себе, иногда излишне сложная для предлагаемых задач, лекции слишком сжаты, мало примеров. Можно конечно пояснять теоретический материал со всей математической строгостью но тогда и задания должны быть соответствующие, для того чтобы эти знания закрепить.

Плюс - практические задания довольно простые, но само описание заставляет подумать и вникнуть в суть задачи а не делать всё по пунктам, по окончанию курса остается хороший навык пользования pandas и sci-kit.

В качестве введения - отличный курс, расслабится не получится.

创建者 Valentin

Mar 06, 2016

В теории иногда слишком быстро делают выводы, так что приходится ставить на паузу и думать, переходить от слайда к слайду. Это, возможно, связано с попыткой уложить обширный курс в двухмесячный срок. Но в целом сама база отличная, знакомят с большим количеством базовых и не базовых методов, с оптимизацями и эвристиками, даже рассказывают немного про нейронные сети.

А вот к практике у меня претензий нет. Кто-то ее ругает из-за того, что она заточена под Python, - но ведь нельзя изучать машинное обучение без машины! И выучить язык в таких объемах несложная задача.

创建者 Vadim A

Feb 22, 2016

Из всех англоязычных и русскоязычных курсов "всё в одном" по машинному обучению, которые я видел, этот - лучший.

На мой взгляд, курс рассчитан на слушателей с некоторой математической культурой (в этом принципиальное отличие от известного курса Эндрю Ына) и представляет собой значительно упрощённую версию ШАДовской дисциплины "Машинное обучение".

Задания разнообразные и интересные, охватывающие все ключевые понятия из лекций. К сожалению, по нейронным сетям только теоретические вопросы.

Настоятельно рекомендую курс всем, кто хочет заняться машинным обучением.

创建者 Болгов А А

Sep 11, 2020

Преподаватели хорошо объясняют материал, хорошие тестовые задания, задания по программированию. Лично мне была не понятна лишь математика; приходилось заглядывать в другие источники(учусь в 11 классе). А с программированием проблем никаких не возникло, все объяснения в работе определенной функции присутствуют в инструкции по выполнению задания плюс имеется опыт в программировании. Большое спасибо преподавателям и организаторам за такой прекрасный курс. В ожидании курса Intermediate ML :)

创建者 Stepan T

Oct 20, 2018

Курс познакомил меня с основами машинного обучения. Видеолекции, правда, сильно ужаты. Иногда приходится по несколько раз пересматривать. Из-за этого желательно ознакомится параллельно с другими курсами (например с этим https://yandexdataschool.ru/edu-process/courses/machine-learning#item-1). Несмотря на то, что Питон я начал изучать здесь, то оценки времени выполнения достаточно адекватные (больше заданного времени у меня ушло на выполнение первого задания и итогового).

创建者 Иванов И Е

Aug 22, 2019

Отличный обзорный курс по машинному обучению на русском языке. Курс требует достаточно серьезных знаний высшей математики (на уровне основных технических вузов страны) для полного понимания лекций и предполагает, что все проблемы, связанные с программированием, использованием библиотек, документации и т.д. обучающийся преодолеет самостоятельно. Акцент в курсе сделан на фундаментальные знания и на обзор методов машинного обучения, их достоинств и недостатков.

创建者 Nikolay

Feb 18, 2017

Очень приятно впечатление от курса. Правда для его полного понимания нужна хорошая математическая база. Отлично подходит для ознакомления как с машинным обучением, так и с базовым изучением языка python. Задания курса не сложные за счет того, что авторы подробно объясняют все шаги для получения результата. Ставлю отлично, но хочется, чтобы авторы рассказали еще больше алгоритмов из реальной жизни, особенно в части распознавания образов.

创建者 Крючков А Ю

Aug 10, 2016

Название соответствует курсу. Если хотите получить базовые знания по методам машинного обучения, то этот курс можно выбирать смело. Для решения задач достаточно базовых знаний из программирования и высшей математики.

В этом курсе используется язык python. Если раньше им не пользовались, то это не так страшно. Всё можно освоить в процессе прохождения курса. Большая часть ответов на вопросы есть в документации к библиотекам и форумах.

创建者 Проневич О Б

Jul 10, 2019

Потрясающий курс с заданиями, которым легко можно найти аналоги в производственных процессах. Этот курс позволяет получить реальные практические навыки, а также аргументировать и защищать полученные результаты. Часть лекций "прерываются" на вопросы о продемонстрированном, что позволяет удерживать внимание и концентрировать на усвоении новом. Теоретический аппарат рассчитан на наличие достаточно серьезных знаний универской математики.

创建者 VVD

Jan 31, 2020

Один из первых онлайн курсов, ставший для меня первым в области машинного обучения и анализа данных. Отличная подача материала от Воронцова К.В. Есть уточняющие вставки в видео, помогающие лучше понять материал. Есть возможность скачать презентации к видео. Предоставлены ссылки на дополнительные источники. Интересные практические задания, с помощью которых можно углубиться в техническую часть вопроса. Рекомендую данный курс

创建者 Костин К А

Apr 11, 2018

Отличный курс! Раскрывает множество базовых вещей и особенностей этой тематики, которые просто необходимо знать при решении любой реальной задачи машинного обучения. Преподавание курса на высшем уровне: просто, понятно и интересно раскрываются зачастую непросты вещи. Советую курс как новичкам, так и людям с опытом! Мне кажется, каждый сможет что-то для себя открыть новое и, самое главное, получить удовольствие от процесса!

创建者 Сорсунова Л А

Dec 19, 2016

Курс позволяет получить первое впечатление и мотивирует учиться дальше. В практической части курса собраны очень интересные и разноплановые задачи. Единственный минус - с программированием приходится разбираться самостоятельно, теоретическая часть не всегда помогает понять, как это реализовано на питоне, поэтому вместо заявленных 3-7 часов в неделю на обучение может уйти несколько больше времени.

创建者 Vasily P

Apr 04, 2016

This is not an Introduction but a Review of Machine Learning methods used in Yandex.

Probably, you have to multiply estimated required time by 10 to really understand lecture topics.

Kaggle competition at the end makes the course really interesting.

but:

"A theory that you can't explain to a bartender is probably no damn good."

-- Ernest Rutherford

创建者 Kirill K

Dec 27, 2019

Курс понравился. Очень понравились лекции. Не хватает обобщающей лекции по алгоритмам, как та что была по предобработке данных. Практическим занятиям, имхо, не хватает какой-то исследовательской составляющей. Все пункты делаются механически. А та что есть направлена на борьбу с неточностями в задании (когда дефолтные параметры изменились при обновлении библиотеки, например).

创建者 Alisa L

May 11, 2020

Курс стал прекрасным стартом для освоения области. Потребовались дополнительные знания Python, статистики, многое пришлось доучивать по ходу курса (в том числе спасибо сайту machinelearning.ru). Я считаю это скорее достоинством, нежели недостатком, потому что если вы хотите разобраться в такой динамично развивающейся области знаний в короткие сроки, нужно поработать самому.

创建者 Юрий П

Nov 25, 2017

Отличный курс рекомендую. Господина Воронцова слушать одно удовольствие. Как вводный курс для инженеров, которые желают в своей практике использовать современные методы обработки данных и не желают тратить время на глубокую теорию - просто Супер. Огромное спасибо!!!!! Давайте господа авторы еще что нибудь такое. Например глубокое обучение а то на русском нет почти ничего.

创建者 smoly87

May 17, 2018

Курс охватывает изучение не только методов машинного обучения(SVM, логистическая регрессия, градиентный бустинг и т.д.), но и практические советы по обработке данных, борьбы с искажениями и ошибками в исходных данных. Кроме того важным преимуществом является разбор математической основы приведенных алгоритмов, а не использование этих инструментов, как чёрного ящика.

创建者 Vladislav G

Jul 01, 2017

Большое спасибо за курс и за такое разнообразие в заданиях.

Хотелось бы также поблагодарить Евгения Соколова, который может объяснить любой материал ну супер доходчиво. Объяснения профессора все же не рассчитаны на широкую аудиторию, для меня это наверное слишком формально, требуется более глубокая фундаментальная подготовка. Все равно вынес для себя много полезного.

创建者 Гайдуков А

May 04, 2020

Замечательный курс для тех, кто хочет разобраться с кругом задач, решаемых с помощью Машинного Обучения, с ключевыми алгоритмами и "попробовать все это своими руками". Давно хотел, но никак руки не доходили. Наконец-то осилил. Авторам - огромная благодарность, за предоставленную уникальную возможность "подучить матчасть" у серьезных специалистов в этой области.