À propos de ce cours

150,163 consultations récentes

Résultats de carrière des étudiants

32%

ont commencé une nouvelle carrière après avoir terminé ce cours

48%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

42%

a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 58 heures pour terminer
Russe

Compétences que vous acquerrez

Random ForestPython ProgrammingMachine LearningSupervised Learning

Résultats de carrière des étudiants

32%

ont commencé une nouvelle carrière après avoir terminé ce cours

48%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

42%

a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 58 heures pour terminer
Russe

Offert par

Placeholder

Institut de physique et de technologie de Moscou

Placeholder

Yandex

Placeholder

E-Learning Development Fund

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up88%(36,225 notes)Info
Semaine
1

Semaine 1

10 heures pour terminer

Машинное обучение и линейные модели

10 heures pour terminer
13 vidéos (Total 82 min), 8 lectures, 8 quiz
13 vidéos
Как устроена специализация, и зачем ее проходить3 min
МФТИ1 min
Знакомство с машинным обучением11 min
Обучение на размеченных данных5 min
Обучение без учителя5 min
Признаки в машинном обучении8 min
Линейные модели в задачах регрессии9 min
Обучение линейной регрессии6 min
Градиентный спуск для линейной регрессии7 min
Стохастический градиентный спуск4 min
Линейная классификация6 min
Функции потерь в задачах классификации6 min
8 lectures
Формат специализации и получение сертификата10 min
Немного о Yandex10 min
МФТИ10 min
Forum&Chat10 min
Слайды к лекциям10 min
Конспект10 min
Слайды к лекциям10 min
Конспект10 min
6 exercices pour s'entraîner
Основные термины в машинном обучении30 min
Типы задач в машинном обучении30 min
Машинное обучение: задачи и признаки30 min
Линейная регрессия30 min
Градиентный спуск30 min
Линейные модели30 min
Semaine
2

Semaine 2

11 heures pour terminer

Борьба с переобучением и оценивание качества

11 heures pour terminer
14 vidéos (Total 126 min), 9 lectures, 8 quiz
14 vidéos
Регуляризация7 min
Оценивание качества алгоритмов7 min
Сравнение алгоритмов и выбор гиперпараметров4 min
Метрики качества в задачах регрессии10 min
Метрики качества классификации4 min
Точность и полнота8 min
Объединение точности и полноты5 min
Качество оценок принадлежности классу12 min
Встроенные датасеты. Sklearn.datasets15 min
Кросс-валидация. Sklearn.cross_validation9 min
Линейные модели. Sklearn.linear_model. Классификация10 min
Линейные модели. Sklearn.linear_model. Регрессия7 min
Метрики качества. Sklearn.metrics13 min
9 lectures
Слайды к лекциям10 min
Конспект10 min
Слайды к лекциям10 min
Конспект10 min
Встроенные датасеты. Sklearn.datasets (ipython notebook)10 min
Кросс-валидация. Sklearn.cross_validation (ipython notebook)10 min
Линейные модели. Sklearn.linear_model. Классификация (ipython notebook)10 min
Линейные модели. Sklearn.linear_model. Регрессия (ipython notebook)10 min
Метрики качества. Sklearn.metrics (ipython notebook)10 min
6 exercices pour s'entraîner
Проблема переобучения30 min
Проблема переобучения и борьба с ней30 min
Как измерить качество алгоритма?30 min
Метрики качества30 min
Встроенные датасеты и кросс-валидация30 min
Введение в scikit-learn30 min
Semaine
3

Semaine 3

9 heures pour terminer

Линейные модели: классификация и практические аспекты

9 heures pour terminer
14 vidéos (Total 97 min), 7 lectures, 7 quiz
14 vidéos
Метод максимального правдоподобия4 min
Регрессия как максимизация правдоподобия2 min
Регрессия как оценка среднего4 min
Регуляризация8 min
Задача оценивания вероятностей и логистическая регрессия8 min
Масштабирование признаков6 min
Спрямляющие пространства5 min
Работа с категориальными признаками4 min
Несбалансированные данные5 min
Многоклассовая классификация4 min
Подбор параметров по сетке. Sklearn.grid_search9 min
Задача: bike sharing demand15 min
Задача: bike sharing demand. Продолжение13 min
7 lectures
Слайды к лекциям10 min
Конспект10 min
Слайды к лекциям10 min
Конспект10 min
Подбор параметров по сетке. Sklearn.grid_search (ipython notebook)10 min
Задача Bike Sharing Demand (ipython notebook)10 min
Задача Bike Sharing Demand. Продолжение (ipython notebook)10 min
6 exercices pour s'entraîner
Метод максимального правдоподобия30 min
Линейные модели: статистический взгляд30 min
Линейные модели: подготовка признаков30 min
Линейные модели: практические аспекты30 min
Подбор параметров по сетке30 min
Анализ данных в scikit-learn30 min
Semaine
4

Semaine 4

13 heures pour terminer

Решающие деревья и композиции алгоритмов

13 heures pour terminer
17 vidéos (Total 114 min), 10 lectures, 8 quiz
17 vidéos
Обучение решающих деревьев6 min
Критерии информативности7 min
Критерии останова и стрижка деревьев4 min
Решающие деревья и категориальные признаки8 min
Решающие деревья в sklearn10 min
Композиции деревьев6 min
Смещение и разброс9 min
Случайные леса6 min
Трюки со случайными лесами4 min
Случайные леса в sklearn7 min
Композиции простых алгоритмов5 min
Градиентный бустинг7 min
Борьба с переобучением в градиентном бустинге6 min
Градиентный бустинг для регрессии и классификации4 min
Градиентный бустинг над решающими деревьями5 min
Градиентный бустинг в XGBoost5 min
10 lectures
Решающие деревья в sklearn (ipython notebook)10 min
Слайды к лекциям10 min
Конспект10 min
Случайные леса в sklearn (ipython notebook)10 min
Слайды к лекциям10 min
Конспект10 min
XGBoost10 min
Градиентный бустинг в XGBoost (ipython notebook)10 min
Слайды к лекциям10 min
Конспект10 min
6 exercices pour s'entraîner
Построение решающих деревьев30 min
Решающие деревья30 min
Бэггинг30 min
Композиции и случайные леса30 min
Обучение композиций и градиентный бустинг30 min
Градиентный бустинг: обучение и практические аспекты30 min

Avis

Meilleurs avis pour ОБУЧЕНИЕ НА РАЗМЕЧЕННЫХ ДАННЫХ

Voir tous les avis

À propos du Spécialisation Машинное обучение и анализ данных

Машинное обучение и анализ данных

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.