À propos de ce cours
4.6
1,714 notes
332 avis
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Heures pour terminer

Approx. 35 heures pour terminer

Recommandé : 7 недель исследования, 3-5 часов / неделю...
Langues disponibles

Russe

Sous-titres : Russe

Compétences que vous acquerrez

Python ProgrammingMachine Learning (ML) AlgorithmsMachine LearningPandas
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Heures pour terminer

Approx. 35 heures pour terminer

Recommandé : 7 недель исследования, 3-5 часов / неделю...
Langues disponibles

Russe

Sous-titres : Russe

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
Heures pour terminer
5 heures pour terminer

Знакомство с анализом данных и машинным обучением

Добро пожаловать! В первом модуле курса мы расскажем о задачах, которые решает машинное обучение, определим базовый набор понятий и введем необходимые обозначения. Также мы расскажем про основные библиотеки языка Python для работы с данными (NumPy, Pandas, Scikit-Learn), которые понадобятся для выполнения практических заданий на протяжении всего курса....
Reading
5 vidéos (Total 57 min), 4 lectures, 2 quiz
Video5 vidéos
Формальная постановка задачи машинного обучения14 min
Примеры применения машинного обучения — 110 min
Примеры применения машинного обучения — 213 min
Проблема переобучения. Методология решения задач машинного обучения.15 min
Reading4 lectures
Приветствие и вводная информация10 min
FAQ10 min
Python для анализа данных10 min
Работа с векторами и матрицами в NumPy10 min
Quiz1 exercice pour s'entraîner
Основные понятия машинного обучения8 min
Heures pour terminer
4 heures pour terminer

Логические методы классификации

Логические методы делают классификацию объектов на основе простых правил, благодаря чему являются интерпретируемыми и легкими в реализации. При объединении в композицию логические модели позволяют решать многие задачи с высоким качеством. В этом модуле мы изучим основной класс логических алгоритмов — решающие деревья. Также мы поговорим про объединение деревьев в композицию, называемую случайным лесом....
Reading
4 vidéos (Total 35 min), 2 quiz
Video4 vidéos
Алгоритм построения решающего дерева6 min
Обработка пропусков. Достоинства и недостатки решающих деревьев.8 min
Способы устранения недостатков решающих деревьев12 min
Quiz1 exercice pour s'entraîner
Решающие деревья4 min
Semaine
2
Heures pour terminer
7 heures pour terminer

Метрические методы классификации

Метрические методы проводят классификацию на основе сходства, благодаря чему могут работать на данных со сложной структурой — главное, чтобы между объектами можно было измерить расстояние. Мы изучим метод k ближайших соседей, а также способ его обобщения на задачи регрессии с помощью ядерного сглаживания....
Reading
4 vidéos (Total 34 min), 3 quiz
Video4 vidéos
Метод окна Парзена8 min
Метрические методы классификации в задаче восстановления регрессии9 min
Обнаружение выбросов6 min
Quiz1 exercice pour s'entraîner
Метрические методы4 min
Heures pour terminer
4 heures pour terminer

Линейные методы классификации

Линейные модели — один из наиболее изученных классов алгоритмов в машинном обучении. Они легко масштабируются и широко применяются для работы с большими данными. В этом модуле мы изучим метод стохастического градиента для настойки линейных классификаторов, познакомимся с регуляризацией и обсудим некоторые тонкости работы с линейными методами....
Reading
5 vidéos (Total 31 min), 2 quiz
Video5 vidéos
Градиентные методы численной минимизации и алгоритм SG5 min
Алгоритм SAG3 min
Метод стохастического градиента. Достоинства и недостатки.10 min
Проблема переобучения5 min
Quiz1 exercice pour s'entraîner
Линейные методы и градиентный спуск6 min
Semaine
3
Heures pour terminer
10 heures pour terminer

Метод опорных векторов и логистическая регрессия

Линейные методы имеют несколько очень важных подвидов, о которых пойдет речь в этом модуле. Метод опорных векторов максимизирует отступы объектов, что тесно связано с минимизацией вероятности переобучения. При этом он позволяет очень легко перейти к построению нелинейной разделяющей поверхности благодаря ядровому переходу. Логистическая регрессия позволяет оценивать вероятности принадлежености классам, что оказывается полезным во многих прикладных задачах....
Reading
5 vidéos (Total 38 min), 5 quiz
Video5 vidéos
Метод опорных векторов. Обобщение для нелинейного случая8 min
Логистическая регрессия6 min
Пример применения логистической регрессии5 min
Регуляризованная логистическая регрессия2 min
Quiz2 exercices pour s'entraîner
Особенности метода опорных векторов6 min
Логистическая регрессия4 min
Heures pour terminer
4 heures pour terminer

Метрики качества классификации

В машинном обучении существует большое количество метрик качества, каждая из которых имеет свою прикладную интерпретацию и направлена на измерение конкретного свойства решения. В этом модуле мы обсудим, какие бывают метрики качества бинарной и многоклассовой классификации, а также рассмотрим способы сведения многоклассовых задач к двухклассовым....
Reading
3 vidéos (Total 31 min), 2 quiz
Video3 vidéos
Метрики качества классификации — 212 min
Многоклассовая классификация7 min
Quiz1 exercice pour s'entraîner
Метрики качества классификации6 min
Semaine
4
Heures pour terminer
3 heures pour terminer

Линейная регрессия

В этом модуле мы изучим линейные модели для регрессии и обсудим их связь с сингулярным разложением матрицы "объекты-признаки"....
Reading
3 vidéos (Total 23 min), 1 quiz
Heures pour terminer
3 heures pour terminer

Понижение размерности и метод главных компонент

В прикладных задачах часто возникает потребность в уменьшении количества признаков — например, для ускорения работы моделей. В этом модуле мы обсудим подходы к отбору признаков, а также изучим метод главных компонент, один из самых популярных методов понижения размерности....
Reading
1 vidéo (Total 14 min), 1 quiz

Enseignants

Avatar

Константин Вячеславович Воронцов

Профессор
Факультет компьютерных наук НИУ ВШЭ, Школа анализа данных Яндекса
Avatar

Evgeny Sokolov

Senior Lecturer
HSE Faculty of Computer Science

À propos de National Research University Higher School of Economics

National Research University - Higher School of Economics (HSE) is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communications, IT, mathematics, engineering, and more. Learn more on www.hse.ru...

À propos de Yandex School of Data Analysis

В Школе анализа данных в течение двух лет студенты осваивают машинное обучение, компьютерное зрение, анализ текстов на естественном языке и другие направления современных компьютерных наук. Эти предметы обычно не входят в университетские программы, но при этом пользуются огромным спросом в отраслях, где уже применяются наукоёмкие информационные технологии. Некоторые выпускники Школы попадают на стажировку в Яндекс, где применяют только что полученные знания....

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 achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est 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.