This course is part of the Машинное обучение: от статистики до нейросетей Specialization

Ульянкин Филипп Валерьевич

Offered By

Машинное обучение: от статистики до нейросетей SpecializationHSE University

About this Course

4,353 recent views

В этом курсе мы поговорим про статистические методы анализа данных. Мы подробно обсудим, как статистика связана с машинным обучением и какое место она занимает среди наук о данных. Поговорим о том, что есть два великих вопроса: "Как устроен мир?" и "Что будет дальше?". В зависимости от того, на какой вопрос мы ищем ответ, мы должны использовать разные методы. 
Мы обсудим метод максимального правдоподобия, поговорим про статистические свойства различных функций потерь. Поговорим о линейной регрессии и временных рядах.  В конце курса мы обсудим байесовский подход к статистике и выясним, чем он отличается от частотного.

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 4 of 5 in the

Машинное обучение: от статистики до нейросетей Specialization

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Базовые навыки программирования на языке Python. Математика для анализа данных (теория вероятностей, производные, оптимизация, интегралы, матрицы)

Approx. 22 hours to complete

Russian

Subtitles: Russian

What you will learn

Работать с временными рядами и простейшими байесовскими моделями

Использовать метод максимального правдоподобия для оценки параметров в любых моделях

Skills you will gain

Bayesian InferencePython ProgrammingTime SeriesData AnalysisStatistics

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 4 of 5 in the

Машинное обучение: от статистики до нейросетей Specialization

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Approx. 22 hours to complete

Russian

Subtitles: Russian

Instructor

Ульянкин Филипп Валерьевич

Преподаватель

Факультет компьютерных наук

925 Learners

3 Courses

Offered by

HSE University

HSE University 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 communicamathematics, engineering, and more.

Syllabus - What you will learn from this course

Week

Week 1

5 hours to complete

Метод максимального правдоподобия

На этой неделе мы обсудим главную рабочую лошадку науки о данных - метод максимального правдоподобия.

5 hours to complete

14 videos (Total 138 min), 1 reading, 5 quizzes

14 videos

Дорожная карта курса3m

Смысл метода максимального правдоподобия10m

ММП и распределение Бернулли5m

ММП и нормальное распределение6m

Информация Фишера и свойства ММП-оценок14m

Распределение ММП-оценок для нормальной случайной величины10m

[доска] Таня, лампочки и экспоненциальное распределение11m

[доска] Нерегулярный случай9m

Тест отношения правдоподобий7m

[доска] Тест отношения правдоподобий10m

Дельта-метод8m

[доска] Дельта-метод13m

ММП в python для разных распределений14m

ММП в python для пуасоновской регрессии12m

1 reading

Презентация5m

3 practice exercises

ММП своими руками20m

Правдоподобный тест20m

Критерий отношения правдоподобий и дельта-метод20m

Week

Week 2

5 hours to complete

Статистический взгляд на линейные модели: прогнозы и интерпретация

На этой неделе мы посмотрим на линейную регрессию с точки зрения статистики. Узнаем, что почти любая функция потерь может быть получена из метода максимального правдоподобия. А также поговорим про то, как устроен мир и что будет дальше.

5 hours to complete

17 videos (Total 159 min), 2 readings, 5 quizzes

17 videos

План на текущую неделю4m

Линейная регрессия и метод максимального правдоподобия6m

[доска] MSE и метод максимального правдоподобия7m

[доска] MAE и метод максимального правдоподобия4m

[доска] logloss и метод максимального правдоподобия7m

[доска] Функция потерь для распределения Пуассона6m

[доска]Что прогнозирует модель, когда мы используем MSE и MAE11m

[доска] Что прогнозирует модель, когда мы используем logloss7m

Когда важна интерпретация10m

Линейная регрессия: статистический подход11m

Линейная регрессия: проверка гипотез11m

Краткий обзор проблем, возникающих при оценке регрессии10m

Парная регрессия в python12m

Множественная регрессия в python15m

Разложение на смещение и разброс8m

[доска] Оценка и распределение коэффициента в парной регрессии9m

[доска] Разложение на смещение и разброс в парной регрессии13m

2 readings

Конспект о функциях потерь5m

Презентация5m

4 practice exercises

Свойства функций потерь20m

Когда важна интерпретация10m

Статистический взгляд на линейную регрессию20m

Разложение на смещение и разброс 30m

Week

Week 3

4 hours to complete

Временные ряды - начало

На этой неделе мы начнём знакомиться с моделями, которые используются для временных рядов. Мы поговорим про временной ряд как структуру данных. Мы обсудим ETS и начнём говорить про SARIMA.

4 hours to complete

12 videos (Total 127 min), 1 reading, 6 quizzes

12 videos

Задачи, связанные с временными рядами5m

Временной ряд как структура данных9m

[доска] Наивная модель14m

Построение ETS(ANN) модели13m

Расширение ETS(ANN) - модели10m

Разложение ряда на составляющие6m

[доска] Стационарность MA и AR-моделей11m

[доска] Оператор запаздывания13m

Процесс скользящего среднего MA(q)10m

Процесс авторегрессии AR(p)8m

Временные ряды в python15m

Кросс-валидация для временных рядов в python8m

1 reading

Презентация5m

5 practice exercises

Временной ряд как структура данных15m

Характеристики временного ряда15m

ETS - модели15m

Стационарность MA-процесса15m

ARMA и ETS10m

Week

Week 4

4 hours to complete

Временные ряды - продолжение

На этой неделе мы закончим строительство SARIMA. После мы обсудим то, как ещё можно подойти к моделированию временных рядов, а также поговорим про ряд других задач, отличающихся от прогнозирования.

4 hours to complete

10 videos (Total 107 min), 1 reading, 3 quizzes

10 videos

SARMA-модель10m

SARIMA-модель, остационаривание14m

Гипотезы о стационарности12m

Проверка стационарности в python9m

Auto-SARIMA модель в python 9m

TBATS, тригонометрическая сезонность14m

Векторные модели временных рядов11m

Кластеризация временных рядов6m

Классификация на основе временных рядов4m

Делаем признаки на основе рядов в python13m

1 reading

Презентация5m

2 practice exercises

ARIMA-модель10m

Модели временных рядов30m

About the Машинное обучение: от статистики до нейросетей Specialization

Современные науки о данных — это огромная область, которая включает себя много методов, технологий и трюков. Всё это быстро развивается, постоянно возникают новые направления и результаты.

На нашей специализации вы познакомитесь со всеми ключевыми разделами машинного обучения и анализа данных, освоите самые важные концепции и получите базу, с которой сможете углубляться дальше в любом направлении — будь то рекомендательные системы, машинное зрение или обучение с подкреплением. Мы начнём с изучения инструментария Python для анализа данных: разберёмся, как с его помощью можно собирать данные из разнообразных источников, искать и устранять в них проблемы, делать первичную аналитику. В следующих курсах мы познакомимся с классическим машинным обучением (и дойдём до композиций моделей, которые являются стандартом для работы с табличными данными) и статистическими методами и их приложениями для анализа моделей, работы с временными данными и A/B-тестирования. Наконец, мы изучим ключевые разделы глубинного обучения: узнаем, как обучаются современные нейронные сети и как именно они позволяют добиваться мощных результатов при анализе изображений и текстов.

Машинное обучение: от статистики до нейросетей

Frequently Asked Questions

When will I have access to the lectures and assignments?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
What will I get if I subscribe to this Specialization?
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.
Is financial aid available?
Yes, Coursera provides financial aid to learners who cannot afford the fee. Apply for it by clicking on the Financial Aid link beneath the "Enroll" button on the left. You'll be prompted to complete an application and will be notified if you are approved. You'll need to complete this step for each course in the Specialization, including the Capstone Project. Learn more.
Will I earn university credit for completing the Course?
This Course doesn't carry university credit, but some universities may choose to accept Course Certificates for credit. Check with your institution to learn more. Online Degrees and Mastertrack™ Certificates on Coursera provide the opportunity to earn university credit.

More questions? Visit the Learner Help Center.

Статистические методы анализа данных