Über diesen Kurs
220,329 kürzliche Aufrufe

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Fortgeschritten“

Ca. 49 Stunden zum Abschließen

Empfohlen: 6-10 hours/week...

Englisch

Untertitel: Englisch, Koreanisch

Kompetenzen, die Sie erwerben

Data AnalysisFeature ExtractionFeature EngineeringXgboost

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Fortgeschritten“

Ca. 49 Stunden zum Abschließen

Empfohlen: 6-10 hours/week...

Englisch

Untertitel: Englisch, Koreanisch

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
6 Stunden zum Abschließen

Introduction & Recap

8 Videos (Gesamt 46 min), 7 Lektüren, 6 Quiz
8 Videos
Meet your lecturers2m
Course overview7m
Competition Mechanics6m
Kaggle Overview [screencast]7m
Real World Application vs Competitions5m
Recap of main ML algorithms9m
Software/Hardware Requirements5m
7 Lektüren
Welcome!10m
Week 1 overview10m
Disclaimer10m
Explanation for quiz questions10m
Additional Materials and Links10m
Explanation for quiz questions10m
Additional Material and Links10m
5 praktische Übungen
Practice Quiz8m
Recap8m
Recap12m
Software/Hardware6m
Graded Soft/Hard Quiz8m
2 Stunden zum Abschließen

Feature Preprocessing and Generation with Respect to Models

7 Videos (Gesamt 73 min), 4 Lektüren, 4 Quiz
7 Videos
Numeric features13m
Categorical and ordinal features10m
Datetime and coordinates8m
Handling missing values10m
Bag of words10m
Word2vec, CNN13m
4 Lektüren
Explanation for quiz questions10m
Additional Material and Links10m
Explanation for quiz questions10m
Additional Material and Links10m
4 praktische Übungen
Feature preprocessing and generation with respect to models8m
Feature preprocessing and generation with respect to models8m
Feature extraction from text and images8m
Feature extraction from text and images8m
1 Stunde zum Abschließen

Final Project Description

1 Video (Gesamt 4 min), 2 Lektüren
2 Lektüren
Final project10m
Final project advice #110m
Woche
2
2 Stunden zum Abschließen

Exploratory Data Analysis

8 Videos (Gesamt 80 min), 2 Lektüren, 1 Quiz
8 Videos
Building intuition about the data6m
Exploring anonymized data15m
Visualizations11m
Dataset cleaning and other things to check7m
Springleaf competition EDA I8m
Springleaf competition EDA II16m
Numerai competition EDA6m
2 Lektüren
Week 2 overview10m
Additional material and links10m
1 praktische Übung
Exploratory data analysis12m
2 Stunden zum Abschließen

Validation

4 Videos (Gesamt 51 min), 3 Lektüren, 2 Quiz
4 Videos
Validation strategies7m
Data splitting strategies14m
Problems occurring during validation20m
3 Lektüren
Validation strategies10m
Comments on quiz10m
Additional material and links10m
2 praktische Übungen
Validation8m
Validation8m
5 Stunden zum Abschließen

Data Leakages

3 Videos (Gesamt 26 min), 3 Lektüren, 3 Quiz
3 Videos
Leaderboard probing and examples of rare data leaks9m
Expedia challenge9m
3 Lektüren
Comments on quiz10m
Additional material and links10m
Final project advice #210m
1 praktische Übung
Data leakages8m
Woche
3
3 Stunden zum Abschließen

Metrics Optimization

8 Videos (Gesamt 83 min), 3 Lektüren, 2 Quiz
8 Videos
Regression metrics review I14m
Regression metrics review II8m
Classification metrics review20m
General approaches for metrics optimization6m
Regression metrics optimization10m
Classification metrics optimization I7m
Classification metrics optimization II6m
3 Lektüren
Week 3 overview10m
Comments on quiz10m
Additional material and links10m
2 praktische Übungen
Metrics12m
Metrics12m
4 Stunden zum Abschließen

Advanced Feature Engineering I

3 Videos (Gesamt 27 min), 2 Lektüren, 2 Quiz
3 Videos
Regularization7m
Extensions and generalizations10m
2 Lektüren
Comments on quiz10m
Final project advice #310m
1 praktische Übung
Mean encodings8m
Woche
4
3 Stunden zum Abschließen

Hyperparameter Optimization

6 Videos (Gesamt 86 min), 4 Lektüren, 2 Quiz
6 Videos
Hyperparameter tuning II12m
Hyperparameter tuning III13m
Practical guide16m
KazAnova's competition pipeline, part 118m
KazAnova's competition pipeline, part 217m
4 Lektüren
Week 4 overview10m
Comments on quiz10m
Additional material and links10m
Additional materials and links10m
2 praktische Übungen
Practice quiz6m
Graded quiz8m
4 Stunden zum Abschließen

Advanced feature engineering II

4 Videos (Gesamt 22 min), 2 Lektüren, 2 Quiz
4 Videos
Matrix factorizations6m
Feature Interactions5m
t-SNE5m
2 Lektüren
Comments on quiz10m
Additional Materials and Links10m
1 praktische Übung
Graded Advanced Features II Quiz12m
10 Stunden zum Abschließen

Ensembling

8 Videos (Gesamt 92 min), 4 Lektüren, 4 Quiz
8 Videos
Bagging9m
Boosting16m
Stacking16m
StackNet14m
Ensembling Tips and Tricks14m
CatBoost 17m
CatBoost 27m
4 Lektüren
Validation schemes for 2-nd level models10m
Comments on quiz10m
Additional materials and links10m
Final project advice #410m
2 praktische Übungen
Ensembling8m
Ensembling12m
4.7
158 BewertungenChevron Right

14%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

22%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

20%

erhalten Sie eine Gehaltserhöhung oder Beförderung

Top-Bewertungen von How to Win a Data Science Competition: Learn from Top Kagglers

von MSMar 29th 2018

Top Kagglers gently introduce one to Data Science Competitions. One will have a great chance to learn various tips and tricks and apply them in practice throughout the course. Highly recommended!

von MMNov 10th 2017

This course is fantastic. It's chock full of practical information that is presented clearly and concisely. I would like to thank the team for sharing their knowledge so generously.

Dozenten

Avatar

Dmitry Ulyanov

Visiting lecturer
HSE Faculty of Computer Science
Avatar

Alexander Guschin

Visiting lecturer at HSE, Lecturer at MIPT
HSE Faculty of Computer Science
Avatar

Mikhail Trofimov

Visiting lecturer
HSE Faculty of Computer Science
Avatar

Dmitry Altukhov

Visiting lecturer
HSE Faculty of Computer Science
Avatar

Marios Michailidis

Research Data Scientist
H2O.ai

Über National Research University Higher School of Economics

National Research University - Higher School of Economics (HSE) is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more. Learn more on www.hse.ru...

Über den Spezialisierung Erweiterte maschinelles Lernen

This specialization gives an introduction to deep learning, reinforcement learning, natural language understanding, computer vision and Bayesian methods. Top Kaggle machine learning practitioners and CERN scientists will share their experience of solving real-world problems and help you to fill the gaps between theory and practice. Upon completion of 7 courses you will be able to apply modern machine learning methods in enterprise and understand the caveats of real-world data and settings....
Erweiterte maschinelles Lernen

Häufig gestellte Fragen

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..