À propos de ce cours
49,090 consultations récentes

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. 25 heures pour terminer

Recommandé : 4 недели обучения, через 3-5 часа / неделю...

Russe

Sous-titres : Russe

Compétences que vous acquerrez

Topic ModelData Clustering AlgorithmsMachine LearningData Visualization (DataViz)

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. 25 heures pour terminer

Recommandé : 4 недели обучения, через 3-5 часа / неделю...

Russe

Sous-titres : Russe

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
7 heures pour terminer

Кластеризация

15 vidéos (Total 109 min), 8 lectures, 5 quiz
15 vidéos
Как устроена специализация, и зачем ее проходить3 min
Структура уроков1 min
Задача кластеризации4 min
Примеры задач кластеризации5 min
Знакомство с методами кластеризации9 min
Пример: кластеризация текстов по теме13 min
Выбор метода кластеризации7 min
МФТИ1 min
Метод K средних (K-Means)10 min
Expectation Maximization (EM-алгоритм)9 min
Агломеративная иерархическая кластеризация12 min
Графовые методы кластеризации4 min
Методы, основанные на плотности6 min
Оценка качества и рекомендации по решению задачи кластеризации13 min
8 lectures
Блокнот из примера кластеризации текстов20 min
Слайды к лекциям10 min
Конспект10 min
Немного о Yandex10 min
МФТИ10 min
Forum&Chat10 min
Слайды к лекциям10 min
Конспект10 min
4 exercices pour s'entraîner
Знакомство с кластеризацией6 min
Введение в кластеризацию8 min
Некоторые методы кластеризации8 min
Подробнее о методах кластеризации12 min
Semaine
2
6 heures pour terminer

Понижение размерности и матричные разложения

15 vidéos (Total 108 min), 4 lectures, 5 quiz
15 vidéos
Одномерный отбор признаков8 min
Жадные методы отбора признаков6 min
Отбор признаков на основе моделей6 min
Понижение размерности4 min
Метод главных компонент: постановка задачи7 min
Метод главных компонент: решение6 min
Матричные разложения13 min
SGD и ALS5 min
Прогнозирование неизвестных значений в матрице6 min
Проблема отсутствия негативных примеров и implicit методы6 min
Вероятностный взгляд на матричные разложения5 min
Неотрицательные матричные разложения: постановка и решение10 min
Неотрицательные матричные разложения: функционалы и инициализация5 min
Обработка пропусков8 min
4 lectures
Слайды к лекциям10 min
Конспект10 min
Слайды к лекциям10 min
Конспект10 min
4 exercices pour s'entraîner
Отбор признаков6 min
Понижение размерности и отбор признаков14 min
Матричные разложения8 min
Неотрицательные матричные разложения10 min
Semaine
3
4 heures pour terminer

Визуализация и поиск аномалий

8 vidéos (Total 57 min), 5 lectures, 5 quiz
8 vidéos
Параметрическое восстановление плотности9 min
Непараметрическое восстановление плотности8 min
Одноклассовый SVM5 min
Задача визуализации5 min
Многомерное шкалирование4 min
Метод t-SNE6 min
Визуализация данных в sklearn12 min
5 lectures
Слайды к лекциям10 min
Конспект10 min
Визуализация данных в sklearn10 min
Слайды к лекциям10 min
Конспект10 min
4 exercices pour s'entraîner
Восстановление плотности6 min
Поиск аномалий4 min
Методы SNE и t-SNE6 min
Визуализация14 min
Semaine
4
10 heures pour terminer

Тематическое моделирование

14 vidéos (Total 151 min), 8 lectures, 6 quiz
14 vidéos
Постановка задачи тематического моделирования12 min
Базовые тематические модели и EM-алгоритм14 min
Регуляризация тематических моделей10 min
Мультимодальные тематические модели9 min
Внутренние критерии качества тематических моделей9 min
Внешние критерии качества тематических моделей16 min
Визуализация тематических моделей10 min
Тематические модели на практике11 min
Пример использования библиотеки gensim для построения тематической модели10 min
Установка BigARTM в Windows3 min
Установка BigARTM в Linux Mint2 min
Установка BigARTM в Mac OS-X3 min
Пример использования библиотеки BigARTM для построения тематической модели19 min
8 lectures
Слайды к лекциям10 min
Конспект10 min
Ноутбук из демонстрации использования gensim10 min
Ноутбук из демонстрации использования BigARTM10 min
Слайды к лекциям10 min
Конспект10 min
Финальные титры10 min
Стань ментором специализации10 min
4 exercices pour s'entraîner
Постановка задачи и базовые понятия6 min
Тематическое моделирование-18 min
Критерии качества тематических моделей6 min
Тематическое моделирование-26 min
4.7
117 avisChevron Right

57%

a commencé une nouvelle carrière après avoir terminé ces cours

44%

a bénéficié d'un avantage concret dans sa carrière grâce à ce cours

25%

a obtenu une augmentation de salaire ou une promotion

Principaux examens pour Поиск структуры в данных

par PKMay 4th 2018

Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.

par AAJan 9th 2017

Интересный курс, замечательные преподаватели. Есть моменты когда лекция довольно сложная, а тест простой, это оставляет тревожное ощущение недоученности :)

Enseignants

Avatar

Константин Воронцов

доктор физико-математических наук, профессор
Кафедра интеллектуальных систем

À propos de Institut de physique et de technologie de Moscou

Московский физико-технический институт (Физтех) является одним из ведущих вузов страны и входит в основные рейтинги лучших университетов мира. Институт обладает не только богатой историей – основателями и профессорами института были Нобелевские лауреаты Пётр Капица, Лев Ландау и Николай Семенов – но и большой научно-исследовательской базой. Основой образования в МФТИ является уникальная «система Физтеха», сформулированная Петром Капицей: кропотливый отбор одаренных и склонных к творческой работе абитуриентов; участие в обучении ведущих научных работников; индивидуальный подход к отдельным студентам с целью развития их творческих задатков; воспитание с первых шагов в атмосфере технических исследований и конструктивного творчества с использованием потенциала лучших лабораторий страны. Среди выпускников МФТИ — нобелевские лауреаты Андрей Гейм и Константин Новоселов, основатель компании ABBYY Давид Ян, один из авторов архитектурных принципов построения вычислительных комплексов Борис Бабаян и др....

À propos de Yandex

Yandex is a technology company that builds intelligent products and services powered by machine learning. Our goal is to help consumers and businesses better navigate the online and offline world....

À propos du Spécialisation Машинное обучение и анализ данных

Мы покажем, как проходит полный цикл анализа, от сбора данных до выбора оптимального решения и оценки его качества. Вы научитесь пользоваться современными аналитическими инструментами и адаптировать их под особенности конкретных задач. В рамках специализации вы освоите основные темы, необходимые в работе с большим массивом данных, в т.ч. современные методы классификации и регрессии, поиск структуры в данных, проведение экспериментов, построение выводов, базовая фундаментальная математика, основы программирования на Python. Мы разберём, как построить рекомендательную систему, оценить эмоциональную окраску текста, спрогнозировать спрос на товар, оценить вероятность клика по рекламе и т.д. В финале вам потребуется выполнить проект собственной системы, решающей любую актуальную для бизнеса задачу. Результатом будет наглядная работающая модель, которую вы сможете использовать в вашей повседневной работе или продемонстрировать на собеседовании. Все, прошедшие специализацию, могут принять участие в Программе трудоустройства. Если вы заинтересованы в новых проектах, новых перспективах и возможностях - пройдите обучение по Специализации и подайте заявку....
Машинное обучение и анализ данных

Foire Aux Questions

  • Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.

  • Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.

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