Über diesen Kurs

178,131 kürzliche Aufrufe

Karriereergebnisse der Lernenden

47%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

60%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

40%

erhalten Sie eine Gehaltserhöhung oder Beförderung
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“
Ca. 59 Stunden zum Abschließen
Russisch

Kompetenzen, die Sie erwerben

Random ForestPython ProgrammingMachine LearningSupervised Learning

Karriereergebnisse der Lernenden

47%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

60%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

40%

erhalten Sie eine Gehaltserhöhung oder Beförderung
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“
Ca. 59 Stunden zum Abschließen
Russisch

von

Placeholder

Moscow Institute of Physics and Technology

Placeholder

Yandex

Placeholder

E-Learning Development Fund

Lehrplan - Was Sie in diesem Kurs lernen werden

InhaltsbewertungThumbs Up88%(35,691 Bewertungen)Info
Woche
1

Woche 1

10 Stunden zum Abschließen

Машинное обучение и линейные модели

10 Stunden zum Abschließen
13 Videos (Gesamt 82 min), 8 Lektüren, 8 Quiz
13 Videos
Как устроена специализация, и зачем ее проходить3m
МФТИ1m
Знакомство с машинным обучением11m
Обучение на размеченных данных5m
Обучение без учителя5m
Признаки в машинном обучении8m
Линейные модели в задачах регрессии9m
Обучение линейной регрессии6m
Градиентный спуск для линейной регрессии7m
Стохастический градиентный спуск4m
Линейная классификация6m
Функции потерь в задачах классификации6m
8 Lektüren
Формат специализации и получение сертификата10m
Немного о Yandex10m
МФТИ10m
Forum&Chat10m
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
Конспект10m
6 praktische Übungen
Основные термины в машинном обучении30m
Типы задач в машинном обучении30m
Машинное обучение: задачи и признаки30m
Линейная регрессия30m
Градиентный спуск30m
Линейные модели30m
Woche
2

Woche 2

11 Stunden zum Abschließen

Борьба с переобучением и оценивание качества

11 Stunden zum Abschließen
14 Videos (Gesamt 126 min), 9 Lektüren, 8 Quiz
14 Videos
Регуляризация7m
Оценивание качества алгоритмов7m
Сравнение алгоритмов и выбор гиперпараметров4m
Метрики качества в задачах регрессии10m
Метрики качества классификации4m
Точность и полнота8m
Объединение точности и полноты5m
Качество оценок принадлежности классу12m
Встроенные датасеты. Sklearn.datasets15m
Кросс-валидация. Sklearn.cross_validation9m
Линейные модели. Sklearn.linear_model. Классификация10m
Линейные модели. Sklearn.linear_model. Регрессия7m
Метрики качества. Sklearn.metrics13m
9 Lektüren
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
Конспект10m
Встроенные датасеты. Sklearn.datasets (ipython notebook)10m
Кросс-валидация. Sklearn.cross_validation (ipython notebook)10m
Линейные модели. Sklearn.linear_model. Классификация (ipython notebook)10m
Линейные модели. Sklearn.linear_model. Регрессия (ipython notebook)10m
Метрики качества. Sklearn.metrics (ipython notebook)10m
6 praktische Übungen
Проблема переобучения30m
Проблема переобучения и борьба с ней30m
Как измерить качество алгоритма?30m
Метрики качества30m
Встроенные датасеты и кросс-валидация30m
Введение в scikit-learn30m
Woche
3

Woche 3

9 Stunden zum Abschließen

Линейные модели: классификация и практические аспекты

9 Stunden zum Abschließen
14 Videos (Gesamt 97 min), 7 Lektüren, 7 Quiz
14 Videos
Метод максимального правдоподобия4m
Регрессия как максимизация правдоподобия2m
Регрессия как оценка среднего4m
Регуляризация8m
Задача оценивания вероятностей и логистическая регрессия8m
Масштабирование признаков6m
Спрямляющие пространства5m
Работа с категориальными признаками4m
Несбалансированные данные5m
Многоклассовая классификация4m
Подбор параметров по сетке. Sklearn.grid_search9m
Задача: bike sharing demand15m
Задача: bike sharing demand. Продолжение13m
7 Lektüren
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
Конспект10m
Подбор параметров по сетке. Sklearn.grid_search (ipython notebook)10m
Задача Bike Sharing Demand (ipython notebook)10m
Задача Bike Sharing Demand. Продолжение (ipython notebook)10m
6 praktische Übungen
Метод максимального правдоподобия30m
Линейные модели: статистический взгляд30m
Линейные модели: подготовка признаков30m
Линейные модели: практические аспекты30m
Подбор параметров по сетке30m
Анализ данных в scikit-learn30m
Woche
4

Woche 4

13 Stunden zum Abschließen

Решающие деревья и композиции алгоритмов

13 Stunden zum Abschließen
17 Videos (Gesamt 114 min), 10 Lektüren, 8 Quiz
17 Videos
Обучение решающих деревьев6m
Критерии информативности7m
Критерии останова и стрижка деревьев4m
Решающие деревья и категориальные признаки8m
Решающие деревья в sklearn10m
Композиции деревьев6m
Смещение и разброс9m
Случайные леса6m
Трюки со случайными лесами4m
Случайные леса в sklearn7m
Композиции простых алгоритмов5m
Градиентный бустинг7m
Борьба с переобучением в градиентном бустинге6m
Градиентный бустинг для регрессии и классификации4m
Градиентный бустинг над решающими деревьями5m
Градиентный бустинг в XGBoost5m
10 Lektüren
Решающие деревья в sklearn (ipython notebook)10m
Слайды к лекциям10m
Конспект10m
Случайные леса в sklearn (ipython notebook)10m
Слайды к лекциям10m
Конспект10m
XGBoost10m
Градиентный бустинг в XGBoost (ipython notebook)10m
Слайды к лекциям10m
Конспект10m
6 praktische Übungen
Построение решающих деревьев30m
Решающие деревья30m
Бэггинг30m
Композиции и случайные леса30m
Обучение композиций и градиентный бустинг30m
Градиентный бустинг: обучение и практические аспекты30m

Bewertungen

Top-Bewertungen von ОБУЧЕНИЕ НА РАЗМЕЧЕННЫХ ДАННЫХ

Alle Bewertungen anzeigen

Über den Spezialisierung Машинное обучение и анализ данных

Машинное обучение и анализ данных

Häufig gestellte Fragen

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