Chevron Left
Zurück zu Обучение на размеченных данных

Kursteilnehmer-Bewertung und -Feedback für Обучение на размеченных данных von Moscow Institute of Physics and Technology

4.8
2,111 Bewertungen
274 Bewertungen

Über den Kurs

Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров. Это может быть предсказание уровня пробок на участке дороги, определение возраста пользователя по его действиям в интернете, предсказание цены, по которой будет куплена подержанная машина. В этом курсе вы научитесь формулировать и, конечно, решать такие задачи. В центре нашего внимания будут успешно применяемые на практике алгоритмы классификации и регрессии: линейные модели, нейронные сети, решающие деревья и так далее. Особый акцент мы сделаем на такой мощной технике как построение композиций, которая позволяет существенно повысить качество отдельных алгоритмов и широко используется при решении прикладных задач. В частности, мы узнаем про случайные леса и про метод градиентного бустинга. Построение предсказывающих алгоритмов — это лишь часть работы при решении задачи анализа данных. Мы разберемся и с другими этапами: оценивание обобщающей способности алгоритмов, подбор параметров модели, выбор и подсчет метрик качества. Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3....

Top-Bewertungen

RN

Jan 21, 2017

Один из лучших курсов по обучению на размеченных данных. Немного расстраивали несбалансированность сложности домашних заданий и промежуточных проверок правильности подготовки данных в заданиях.

AG

Nov 15, 2019

Очень интересный и более сложный курс по сравнению с предыдущим! Но!! Хотелось бы обновлений и дополнений по нейросетям (мало информации), а также не затронут TensorFlow, что не очень хорошо!

Filtern nach:

226 - 250 von 256 Bewertungen für Обучение на размеченных данных

von Vadim T

Mar 25, 2017

Велика разница между преподавателями. Особенно неудачно, на мой взгляд, освещались темы Байесовской классификации и регресии и метрические алгоритмы

von Gyrdymov I

Nov 30, 2016

Слишком сумборно был подан материал по нейронным сетям, много непонятного осталось

von Polovinkin A

Oct 08, 2017

- балл за наличие ошибок и недосказанностей в заданиях спустя огромное время с момента старта курса

von Амиров Р М

Apr 24, 2017

Отличный курс! Жаль, что мало практики по нейронкам.

von Nikolay S

Mar 24, 2018

Некоторые задания были плохо составлены. Было слишком много ошибок/багов/опечаток. В остальном было полезно.

von Чернышев А О

Sep 18, 2017

Про нейронные сети мало рассказывается, "галопом по Европе"

von Беденко А А

Jan 23, 2018

Жалко, что нейронные сети остались за бортом. С другой стороны - полученных знаний вполне хватает чтобы понимать учебники по НС. Так что наверстаем. 4 первых недели прекрасны. Последняя неделя - IMHO винегрет. Потому 4 из 5.

von Павлов Е В

Jul 09, 2017

Не очень понятно изложено про XGBoost и нейронную сеть.

von Basil S

Oct 15, 2017

not bad

von Ivan O

May 02, 2018

Хороший курс, здесь совсем мало нейронок, но очень хорошее введение в целом в алгоритмы машинного обучения. На практике может занять больше заявленных 5 недель, ну и встречаются задания в которых нужно поплясать с бубном, чтобы ответ приняли.

von Ульянов Р

Jul 09, 2017

Лучше первого

von Stanislav

Feb 22, 2018

Замечательный курс, узнал много важных вещей. Но последняя неделя показалась несколько поверхностной. Надеюсь, что её материал будет рассмотрен подробнее в следующих курсах специализации.

von Vadim K

May 29, 2018

Supervised learning part is much better than the first one in terms of the lessons, however it's not perfect. Neural networks lessons and assignments are really poor. I also find some things to not be expressed in enough details, it seems like not all pictures in the slides are correct. As I remember it was about uniform vs distance in KNN or SVM where overfitting graph is for distance(1) instead of uniform(1/d).

von Arsenii M

Jul 22, 2017

В конеце курса немного скомканно подаётся материал, особенно на пятой неделе. В остальном всё отлично!

von Вернер А И

Jul 26, 2017

В целом курс очень полехный. Теоретический материал изложен очень хорошо, с большим количеством примеров, облегчающих понимание. Наличие конспектов экономит время, что тоже немаловажно. Единственное замечание по курсу - сложность заданий по программированию. На мой взгляд они зачастую являлись очень сложными, а поскольку решений этих заданий не имелось, приходилось часами, а порой и по нескольку дней, работать над каждым из них, что сильно замедляло процесс обучения и снижало мотивацию прохождения курса. Предлагаю авторам курса принять к сведению последнее замечание, и выложить в свободном доступе решения заданий, для тех обучающихся, которые затрудняются самостоятельно выполнить эту обязательную часть курса.

von Антон Г

Oct 24, 2018

Отличный курс, но хотелось бы больше про нейросети

von Dmitry D

Nov 09, 2018

Курс отличный! В меру теории и практики. Только 5я неделя подкачала - очень скомканно.

von Максим Ф

Aug 25, 2019

Не все вопросы были достаточно понятными, хотелось бы более нормальных вопросов. В остальном всё очень круто. Спасибо

von Захаркин Г Ф

Nov 03, 2019

5 неделя разочаровала

von Maria N

Oct 01, 2019

Очень понятно все и интересно. Но по нейронным сетям большой минус.

von Maksim S

Nov 25, 2019

Коллеги, данный курс можно было бы сделать и подлиннее) Особенно 5ю неделю) А так все ок! )

von Рыжов В П

Nov 11, 2019

В целом хорошо, но по нейронным сетям слишком мало было рассказано.

von Попов В Б

Jan 31, 2019

Более формальный курс, чем предыдущий

von Ilya D

Sep 23, 2017

Очень подробно рассмотрены линейная регрессия, решающие деревья, композиции алгоритмов, но нейронные сети, Байес и kNN "свалены" в одну неделю, хотя материала по ним хватит на отдельный курс.

von Ablaikhan A

Jun 13, 2016

Great content, but there is no point to keep automated-grading closed for auditing students.