Über diesen Kurs

147,406 kürzliche Aufrufe

Learner Career Outcomes

41%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

48%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

30%

erhalten Sie eine Gehaltserhöhung oder Beförderung

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 35 Stunden zum Abschließen

Empfohlen: 7 недель исследования, 3-5 часов / неделю...

Russisch

Untertitel: Russisch

Kompetenzen, die Sie erwerben

Python ProgrammingMachine Learning (ML) AlgorithmsMachine LearningPandas

Learner Career Outcomes

41%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

48%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

30%

erhalten Sie eine Gehaltserhöhung oder Beförderung

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 35 Stunden zum Abschließen

Empfohlen: 7 недель исследования, 3-5 часов / неделю...

Russisch

Untertitel: Russisch

Lehrplan - Was Sie in diesem Kurs lernen werden

InhaltsbewertungThumbs Up93%(38,934 Bewertungen)Info
Woche
1

Woche 1

5 Stunden zum Abschließen

Знакомство с анализом данных и машинным обучением

5 Stunden zum Abschließen
5 Videos (Gesamt 57 min), 4 Lektüren, 2 Quiz
5 Videos
Формальная постановка задачи машинного обучения14m
Примеры применения машинного обучения — 110m
Примеры применения машинного обучения — 213m
Проблема переобучения. Методология решения задач машинного обучения.15m
4 Lektüren
Приветствие и вводная информация10m
FAQ10m
Python для анализа данных10m
Работа с векторами и матрицами в NumPy10m
1 praktische Übung
Основные понятия машинного обучения8m
4 Stunden zum Abschließen

Логические методы классификации

4 Stunden zum Abschließen
4 Videos (Gesamt 35 min)
4 Videos
Алгоритм построения решающего дерева6m
Обработка пропусков. Достоинства и недостатки решающих деревьев.8m
Способы устранения недостатков решающих деревьев12m
1 praktische Übung
Решающие деревья4m
Woche
2

Woche 2

7 Stunden zum Abschließen

Метрические методы классификации

7 Stunden zum Abschließen
4 Videos (Gesamt 34 min)
4 Videos
Метод окна Парзена8m
Метрические методы классификации в задаче восстановления регрессии9m
Обнаружение выбросов6m
1 praktische Übung
Метрические методы4m
4 Stunden zum Abschließen

Линейные методы классификации

4 Stunden zum Abschließen
5 Videos (Gesamt 31 min)
5 Videos
Градиентные методы численной минимизации и алгоритм SG5m
Алгоритм SAG3m
Метод стохастического градиента. Достоинства и недостатки.10m
Проблема переобучения5m
1 praktische Übung
Линейные методы и градиентный спуск6m
Woche
3

Woche 3

10 Stunden zum Abschließen

Метод опорных векторов и логистическая регрессия

10 Stunden zum Abschließen
5 Videos (Gesamt 38 min)
5 Videos
Метод опорных векторов. Обобщение для нелинейного случая8m
Логистическая регрессия6m
Пример применения логистической регрессии5m
Регуляризованная логистическая регрессия2m
2 praktische Übungen
Особенности метода опорных векторов6m
Логистическая регрессия4m
4 Stunden zum Abschließen

Метрики качества классификации

4 Stunden zum Abschließen
3 Videos (Gesamt 31 min)
3 Videos
Метрики качества классификации — 212m
Многоклассовая классификация7m
1 praktische Übung
Метрики качества классификации6m
Woche
4

Woche 4

3 Stunden zum Abschließen

Линейная регрессия

3 Stunden zum Abschließen
3 Videos (Gesamt 23 min)
3 Stunden zum Abschließen

Понижение размерности и метод главных компонент

3 Stunden zum Abschließen
1 Video (Gesamt 14 min)
4.6
404 BewertungenChevron Right

Top-Bewertungen von Введение в машинное обучение

von AAJun 15th 2016

Хороший курс без лишнего. Некоторые методы, предлагаемые в заданиях не оптимальны с точки зрения затрат ресурсов компьютера и времени программиста, но, надеюсь, с новыми сессиями будет развитие курса.

von ALSep 25th 2018

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

Dozenten

Dozentenbewertung4.72/5 (28 Bewertungen)Info
Bild des Dozenten, Константин Вячеславович Воронцов

Константин Вячеславович Воронцов 

Профессор
Факультет компьютерных наук НИУ ВШЭ, Школа анализа данных Яндекса
85,809 Kursteilnehmer
1 Kurse
Bild des Dozenten, Evgeny Sokolov

Evgeny Sokolov 

Senior Lecturer
HSE Faculty of Computer Science
139,064 Kursteilnehmer
2 Kurse

von

National Research University Higher School of Economics-Logo

National Research University Higher School of Economics

Yandex School of Data Analysis-Logo

Yandex School of Data Analysis

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 ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat 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..