Методы машинного обучения — будь то алгоритмы классификации или регрессии, методы кластеризации или алгоритмы понижения размерности — применяются к подготовленным данным с вычисленными признаками для решения уже сформулированной задачи. Однако специалисты по анализу данных редко оказываются в такой идеальной ситуации. Обычно перед ними ставят задачи, которые нуждаются в уточнении формулировки, выборе метрики качества и протокола тестирования итоговой модели. Данные, с которыми нужно работать, часто представлены в непригодном виде: они зашумлены, содержат ошибки и выбросы, хранятся в неудобном формате и т. д.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Машинное обучение и анализ данных
Прикладные задачи анализа данных
von
Moscow Institute of Physics and Technology
Yandex
E-Learning Development Fund
Über diesen Kurs
42,500 kürzliche Aufrufe
Karriereergebnisse der Lernenden
73%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
79%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
40%
erhalten Sie eine Gehaltserhöhung oder Beförderung
Kompetenzen, die Sie erwerben
Data ScienceTime SeriesSentiment AnalysisRecommender Systems
Karriereergebnisse der Lernenden
73%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
79%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
40%
erhalten Sie eine Gehaltserhöhung oder Beförderung
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 5 von 6 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“
Ca. 26 Stunden zum Abschließen
Empfohlen: 10 hours/week
Russisch
Untertitel: Russisch
von
Moscow Institute of Physics and Technology
Московский физико-технический институт (Физтех) является одним из ведущих вузов страны и входит в основные рейтинги лучших университетов мира. Институт обладает не только богатой историей – основателями и профессорами института были Нобелевские лауреаты Пётр Капица, Лев Ландау и Николай Семенов – но и большой научно-исследовательской базой.
Yandex
Yandex is a technology company that builds intelligent products and services powered by machine learning. Our goal is to help consumers and businesses better navigate the online and offline world.
E-Learning Development Fund
Фонд развития онлайн-образования (ФРОО) объединяет образовательные стартапы, проекты в области EdTech и запускает собственные онлайн-программы в области машинного обучения, программирования, мобильной разработки, VR, дизайна и IT. Мы выстраиваем экосистему для обучения на всех стадиях жизненного цикла: от идеи и поиска средств на производство образовательной программы до поддержки, продаж и маркетинга. А сотрудничество с крупнейшими образовательными платформами позволяет запускать онлайн-курсы с максимальным эффектом и пользой для всех заинтересованных сторон.
Lehrplan - Was Sie in diesem Kurs lernen werden
5 Stunden zum Abschließen
Бизнес-задачи
На этой неделе мы разберём две крупные задачи, часто возникающие в бизнес-аналитике. Первая связана с прогнозированием временных рядов; задачи такого типа часто возникают, когда необходимо оценить значение показателя в будущем, основываясь на истории его изменения в прошлом. Такими показателями могут быть спрос на товар, аудитория рекламного баннера, цена акций и т.д. Вторя задача — это анализ поведения пользователей. Класс задач, связанных с анализом пользовательских данных, неизбежно появляется практически в любой сфере бизнеса, подразумевающей работу с клиентами. Как правило, это такие задачи, как привлечение пользователей, работа с аудиторией, прогнозирование оттока и удержание клиентов.
5 Stunden zum Abschließen
19 Videos (Gesamt 152 min), 6 Lektüren, 7 Quiz
19 Videos
Как устроена специализация, и зачем ее проходить3m
МФТИ1m
Временные ряды9m
Автокорреляция6m
Стационарность6m
ARMA5m
ARIMA5m
Выбор ARIMA и прогнозирование10m
Анализ остатков8m
Пример построения прогноза11m
Регрессионный подход к прогнозированию8m
Анализ поведения пользователей8m
Аудиторные метрики: привлечение7m
Аудиторные метрики: активность9m
Аудиторные метрики: монетизация6m
Аудиторные метрики: удержание3m
Прогнозирование оттока пользователей: Постановка задачи18m
Прогнозирование оттока пользователей: Построение и оценка модели16m
6 Lektüren
МФТИ10m
Forum&Chat10m
Пример построения прогноза [ipython notebook]10m
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
6 praktische Übungen
Автокорреляция и стационарность10m
p, q, P, Q18m
Прогнозирование временных рядов18m
Аудиторные показатели: привлечение и активность8m
Аудиторные показатели: монетизация и удержание6m
Анализ поведения пользователей10m
6 Stunden zum Abschließen
Анализ медиа
Вторая неделя посвящена вопросам компьютерного зрения. Мы обсудим базовые методы обработки изображений и поговорим про такие задачи, как классификация изображений, распознавание лиц, детекция объектов и семантическая сегментация. Благодаря развитию глубоких нейронных сетей, за последние несколько лет во всех этих задачах достигнут огромный прогресс. Вы узнаете, как на практике пользоваться нейросетевыми библиотеками, и научитесь быстро собирать и размечать большие коллекции изображений.
6 Stunden zum Abschließen
11 Videos (Gesamt 106 min), 7 Lektüren, 3 Quiz
11 Videos
Задачи компьютерного зрения5m
"Низкоуровневое" зрение14m
Линейная фильтрация изображений4m
Классификация изображений9m
Задача классификации изображений на практике14m
Распознавание лиц17m
Детекция объектов13m
Стилизация изображений3m
Распознавание китов5m
Сбор больших коллекций изображений10m
7 Lektüren
Дополнительные материалы10m
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
Конспект10m
2 praktische Übungen
Компьютерное зрение16m
Практические задачи компьютерного зрения14m
6 Stunden zum Abschließen
Анализ текстов
Данная неделя посвящена работе с особым видом данных — текстами. Тексты встречаются во многих задачах, и при этом свести их к стандартной матрице с объектами и признаками не так просто. В этом модуле мы изучим основы работы с текстовыми данными, способы генерации признаков на их основе, поговорим о нейросетевых подходах (в частности, word2vec и рекуррентные сети). Также мы обсудим несколько конкретных прикладных задач анализа текстов, среди которых будут анализ тональности и аннотирование.
6 Stunden zum Abschließen
13 Videos (Gesamt 80 min), 6 Lektüren, 5 Quiz
13 Videos
Предобработка текста6m
Извлечение признаков из текста5m
Извлечение признаков из текста - 25m
Обучение моделей на текстах3m
word2vec5m
Рекуррентные сети7m
Выделение коллокаций5m
Языковые модели4m
Анализ тональности текста13m
Анализ тональности отзывов4m
Анализ тональности отзывов: продолжение5m
Аннотирование7m
6 Lektüren
Слайды к лекциям10m
Конспекты к лекциям10m
Слайды к лекциям10m
Конспекты к лекциям10m
Анализ тональности отзывов [ipython notebook]10m
Слайды к лекциям10m
4 praktische Übungen
Первичная обработка текстов6m
Текстовые данные и работа с ними6m
word2vec и рекуррентные сети6m
Примеры задач анализа текстов6m
5 Stunden zum Abschließen
Рекомендации и ранжирование
На этой неделе вы познакомитесь с задачами, в которых нужно оценивать "интересность" различных объектов для пользователя - задачей ранжирования, актуальной при построении поиска, и задачей построения рекомендательных систем, возникающей при необходимости посоветовать пользователю некоторый контент (фильмы, музыку, статьи) или товары в интернет-магазине.
5 Stunden zum Abschließen
10 Videos (Gesamt 57 min), 5 Lektüren, 4 Quiz
10 Videos
Метрики качества ранжирования6m
Методы ранжирования4m
Рекомендательные системы4m
kNN и матричные разложения2m
Подходы к построению рекомендательных систем11m
Гибридные рекомендательные системы6m
Оффлайн оценка качества3m
Онлайновая оценка качества5m
Максимизация прибыли магазина7m
5 Lektüren
Слайды к лекциям10m
Конспекты к лекциям10m
Слайды к лекциям10m
Финальные титры10m
Стань ментором специализации10m
3 praktische Übungen
Ранжирование6m
Рекомендательные системы-16m
Рекомендательные системы-210m
Bewertungen
Top-Bewertungen von ПРИКЛАДНЫЕ ЗАДАЧИ АНАЛИЗА ДАННЫХ
von KVJul 8, 2017
Курс интересен тем, что в нем рассматриваются примеры реальных задач, которые решаются в индустрии. Но мне он показался слишком простым по сравнению с 2,3 и 4 курсами. Можно усложнить его немного :)
von PKMay 23, 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.
von KCMay 28, 2018
качество курса немного хромает по сравнению в предыдущими (менее "академичные лекции, pdf с материалом отсутствует). но в целом, лучшее из прошлых курсов сохранено.
von ISJan 20, 2019
Замечательный курс, полный примеров из реальной жизни для получения опыта. Очень полезные и понятные лекции, конспекты. Очень рад, что смог пройти этот курс.
von KKMar 16, 2017
лекции по компьютерному зрению и особенно задание по этой теме были ни о чём. "у вас нет линукса -- у вас нет зрения". даже немного обидно)))
von ASMar 19, 2017
Наконец-то узнал основы анализа изображений и пощупал руками TensorFlow, прикольно, надеюсь дальше будет только интереснее.)
von PIJul 23, 2018
Задача на последней неделе изрядно попила крови - хотелось бы , чтобы формулировка была более четкой
von APJan 19, 2019
It would be nice to have more practice with neuronets. Anyway it's very interesting course. Thanks!
von SOJul 24, 2018
Самый легкий курс за всю специализацию, самое полезное на мой взгляд - анализ временных рядов
von ASDec 6, 2019
Проблемным оказался курс по нейронным сетям. Теория и практика очень сильно отличаются.
von ALMar 22, 2018
Generally good and in-depth, but not quite accurate in providing information sometimes
von NEDec 27, 2017
Недели очень разные по сложности. 2 неделя про нейросети заслуживает отдельного курса.
Über den Spezialisierung Машинное обучение и анализ данных
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.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
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.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
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.
Wie erfolgen Rückerstattungen?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..