Основы машинного обучения

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

4.2

stars

5 ratings

Анастасия Рысьмятова +1 more instructor

Offered By

Included with

Unlimited access to 3,000+ courses, Guided Projects, Specializations, and Professional Certificates.

Learn More

Машинное обучение: от статистики до нейросетей SpecializationHSE University

About this Course

22,364 recent views

Сейчас термины “машинное обучение” или даже “искусственный интеллект” у всех на слуху. Местами это преувеличение и хайп, но у машинного обучения действительно есть много полезных и важных применений. Вы сталкиваетесь с этим каждый день: когда вы ищете что-то в интернете, поисковик предлагает вам странички на основе сложного сопоставления текстов и анализа ваших данных; когда вы жалуетесь в службу поддержки какого-нибудь сервиса или магазина, с большой вероятностью вам отвечает бот; если у вас умные часы, то они, вероятно, используют методы машинного обучения, чтобы понимать, когда вы сидите, стоите или бегаете.
В этом курсе вы можете разобраться с принципами работы методов машинного обучения. Речь пойдёт об обучении с учителем — областью, которая изучена лучше всего и методы из которой наиболее часто используются на практике. Мы обсудим метрические и линейные методы, и на их примере разберём все ключевые концепции: обобщающую способность и переобучение, градиентные методы обучения, измерение качества модели и специализированные метрики качества, подготовку данных для моделей. Мы будем показывать, как это всё делается в Python с помощью его библиотек.

По итогам курса вы поймёте, как устроены все ключевые моменты в машинном обучении, а также получите хороший практический опыт подготовки данных, их визуализации, построения и анализа моделей.

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 1 of 5 in the

Машинное обучение: от статистики до нейросетей Specialization

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Знание Python и основ высшей математики (матрицы и операции с ними, производные и градиенты)

Approx. 48 hours to complete

Russian

Subtitles: Russian

Skills you will gain

python for data analysisData AnalysisMachine Learning

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 1 of 5 in the

Машинное обучение: от статистики до нейросетей Specialization

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Знание Python и основ высшей математики (матрицы и операции с ними, производные и градиенты)

Approx. 48 hours to complete

Russian

Subtitles: Russian

Instructors

Анастасия Рысьмятова

Аналитик данных

Авито

959 Learners

2 Courses

Evgeny Sokolov

Senior lecturer at HSE

96,562 Learners

10 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

6 hours to complete

Основные понятия и задачи в машинном обучении

6 hours to complete

11 videos (Total 96 min), 1 reading, 4 quizzes

11 videos

Знакомство с курсом4m

Что такое машинное обучение?16m

Основные определения13m

Постановки задач10m

Виды признаков4m

Загрузка данных, базовый анализ6m

Работа с таблицей на примере удаления столбца9m

Пропущенные значения, описание данных10m

Значения признаков, выбор ячеек с помощью условий5m

Извлечение новых признаков, распределение значений, среднее10m

Группировка и агрегирование5m

1 reading

Дополнительные лекции10m

3 practice exercises

Задания на понимание30m

Задание на понимание30m

Тест по основным понятиям в машинном обучении30m

Week

Week 2

8 hours to complete

Метод k ближайших соседей

8 hours to complete

9 videos (Total 93 min)

9 videos

Метод k ближайших соседей9m

Сравнение объектов и метрики15m

Измерение ошибки модели9m

Оценка обобщающей способности10m

kNN с весами7m

kNN для регрессии9m

Знакомство с библиотекой sklearn9m

Поиск оптимальных гиперпараметров8m

Классификация методом ближайших соседей12m

5 practice exercises

Задания на понимание30m

Тест по методу k ближайших соседей30m

Week

Week 3

7 hours to complete

Линейная регрессия

7 hours to complete

12 videos (Total 127 min)

12 videos

Модель линейной регрессии8m

Применения линейной регрессии10m

Линейная регрессия в векторном виде11m

Обучение линейной регрессии11m

Переобучение и регуляризация 13m

Почему L1-регуляризация отбирает признаки?9m

Интерпретация линейных моделей6m

Библиотека numpy13m

Линейная регрессия11m

Визуализация11m

Запуск алгоритма14m

Регуляризация6m

6 practice exercises

Задание на понимание5m

Задания на понимание3m

Тест по линейной регрессии30m

Week

Week 4

8 hours to complete

Обучение моделей градиентными методами

8 hours to complete

13 videos (Total 129 min)

13 videos

Градиент и его свойства6m

Градиентный спуск7m

Градиентный спуск: продолжение9m

Стохастический градиентный спуск7m

Продвинутые методы градиентного спуска15m

Функции потерь в задачах регрессии9m

Вывод градиента для MSE14m

Векторное дифференцирование12m

Регрессия в матричной форме11m

Градиентный спуск в матричной форме5m

Реализация градиентного спуска16m

Настройка градиентного спуска7m

Реализация градиентного спуска в матричной форме7m

4 practice exercises

Задания на понимание30m

Тест по градиентному спуску30m

Week

Week 5

7 hours to complete

Линейная классификация: общие принципы

7 hours to complete

10 videos (Total 112 min)

10 videos

Линейный классификатор12m

Обучение линейных классификаторов12m

Метрики качества классификации16m

Совмещение точности и полноты7m

Метрики качества ранжирования9m

Площадь под ROC-кривой10m

Линейная классификация9m

Обучение линейного классификатора с помощью градиентного спуска11m

Метрики качества классификации11m

Вероятности классов, AUC-PRC и AUC-ROC11m

5 practice exercises

Задания на понимание3m

Задания на понимание 3m

Тест по линейной классификации30m

Week

Week 6

11 hours to complete

Линейная классификация: методы

11 hours to complete

13 videos (Total 141 min)

13 videos

Логистическая регрессия: простое объяснение11m

Логистическая регрессия: простое объяснение, часть 210m

Логистическая регрессия: сложное объяснение13m

Метод опорных векторов15m

Калибровка вероятностей9m

Многоклассовая классификация8m

Данные Титаника9m

Логистическая регрессия7m

Предсказания логистической регрессии10m

Классификация текстов: предобработка6m

Мешок слов и TF-IDF10m

Многоклассовая классификация6m

Интервью20m

6 practice exercises

Задания на понимание30m

Тест по методам линейной классификации 30m

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.

More questions? Visit the Learner Help Center.

Основы машинного обучения

About this Course

Skills you will gain