Who is this class for: Этот курс предназначен для тех, кто хочет начать знакомство с машинным обучением и уже владеет необходимой математической базой: математическим анализом, линейной алгеброй, теорией вероятностей. Мы объясним основные методы обучения с учителем, разберём постановки задач и способы оценивания качества решения. Курс может быть интересен как для тех, кто изучает анализ данных и хочет профессионально применять его на практике, так и для тех, кто хочет разобраться для себя, в чём заключается машинное обучение.


Created by:  Moscow Institute of Physics and Technology

Basic Info
LevelIntermediate
Language
Russian
How To PassPass all graded assignments to complete the course.
User Ratings
4.8 stars
Average User Rating 4.8See what learners said
Syllabus

FAQs
How It Works
Coursework
Coursework

Each course is like an interactive textbook, featuring pre-recorded videos, quizzes and projects.

Help from Your Peers
Help from Your Peers

Connect with thousands of other learners and debate ideas, discuss course material, and get help mastering concepts.

Certificates
Certificates

Earn official recognition for your work, and share your success with friends, colleagues, and employers.

Creators
Moscow Institute of Physics and Technology
Московский физико-технический институт (неофициально известный как МФТИ или Физтех) является одним из самых престижных в мире учебных и научно-исследовательских институтов. Он готовит высококвалифицированных специалистов в области теоретической и прикладной физики, прикладной математики, информатики, биотехнологии и смежных дисциплин. Физтех был основан в 1951 году Нобелевской премии лауреатами Петром Капицей, Николаем Семеновым, Львом Ландау и Сергеем Христиановичем. Основой образования в МФТИ является уникальная «система Физтеха»: кропотливое воспитание и отбор самых талантливых абитуриентов, фундаментальное образование высшего класса и раннее вовлечение студентов в реальную научно-исследовательскую работу. Среди выпускников МФТИ есть Нобелевские лауреаты, основатели всемирно известных компаний, известные космонавты, изобретатели, инженеры.
Pricing
AuditPurchase Course
Access to course materials

Available

Available

Access to graded materials

Not available

Available

Receive a final grade

Not available

Available

Earn a shareable Course Certificate

Not available

Available

Ratings and Reviews
Rated 4.8 out of 5 of 658 ratings

Огромное спасибо!

Легко небыло. Пришлось помучаться и понапрягать процессор мозга :) изрядно.

Каждый раз, когда приходилось заниматься подгонкой ответа под грейдер, у меня неистово бомбило. :(

Без отличного математического бэкграунда (или просто отличного понимания всех понятий из первого курса - особенно, теория вероятности, операции в векторных пространствах и пр.), а также не понимая математики первых недель курса, всю математику курса понять вряд ли получится. Если такого бэкграунда нет - это будет неплохой обзорный курс, но его в любом случае нужно будет углублять уже самостоятельно. Для меня по содержанию - отлично.

Что не понравилось - урок "линейные модели: статистический взгляд" на 3-й неделе. Очень много времени "убил" на попытки понять, очень не хватало "мостиков" между понятиями, данными в уроке. В итоге остался неприятный осадок от этого урока. Урок по нейросетям я бы сделал поподробнее и несколько проще. Также, касается большинства тем курса, очень мало ответов от наставников по существу преподаваемого материала - в основном, по моим наблюдениям, отвечают на вопросы по задачам и тестам.

В принципе, если даже не получится усвоить всю математику, курс отлично показывает механики работы методов обучения с учителем и через интересные задания (но тоже не без огрехов) даёт углубленное понимание этих методов. Думаю, другие прошедшие курс согласятся, что он не сделает вас Data Scientist, но даст определённый понятийный набор и некоторый опыт для дальнейшего углубления.

По интенсивности - 5 недель, сложность возрастает с каждой неделей. Значительно сложнее 1-го курса. С полной занятостью на работе по 8-10 часов, окончив технический ВУЗ лет 10 назад и повторив основы в рамках первого курса специализации - тяжеловато, но подъёмно.

Коллективу желаю не бросать этот курс, а развивать его дальше. Есть к чему стремиться, но в целом очень неплохо уже сейчас.

Интересный курс с множеством прикладных задач. Сделайте по возможности курс, а лучше специализацию, по нейронным сетям в продолжение данной.