About this Course

174,397 recent views

Learner Career Outcomes

47%

started a new career after completing these courses

60%

got a tangible career benefit from this course

40%

got a pay increase or promotion
Shareable Certificate
Earn a Certificate upon completion
100% online
Start instantly and learn at your own schedule.
Flexible deadlines
Reset deadlines in accordance to your schedule.
Intermediate Level
Approx. 59 hours to complete
Russian

Skills you will gain

Random ForestPython ProgrammingMachine LearningSupervised Learning

Learner Career Outcomes

47%

started a new career after completing these courses

60%

got a tangible career benefit from this course

40%

got a pay increase or promotion
Shareable Certificate
Earn a Certificate upon completion
100% online
Start instantly and learn at your own schedule.
Flexible deadlines
Reset deadlines in accordance to your schedule.
Intermediate Level
Approx. 59 hours to complete
Russian

Offered by

Placeholder

Moscow Institute of Physics and Technology

Placeholder

Yandex

Placeholder

E-Learning Development Fund

Syllabus - What you will learn from this course

Content RatingThumbs Up88%(35,664 ratings)Info
Week
1

Week 1

10 hours to complete

Машинное обучение и линейные модели

10 hours to complete
13 videos (Total 82 min), 8 readings, 8 quizzes
13 videos
Как устроена специализация, и зачем ее проходить3m
МФТИ1m
Знакомство с машинным обучением11m
Обучение на размеченных данных5m
Обучение без учителя5m
Признаки в машинном обучении8m
Линейные модели в задачах регрессии9m
Обучение линейной регрессии6m
Градиентный спуск для линейной регрессии7m
Стохастический градиентный спуск4m
Линейная классификация6m
Функции потерь в задачах классификации6m
8 readings
Формат специализации и получение сертификата10m
Немного о Yandex10m
МФТИ10m
Forum&Chat10m
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
Конспект10m
6 practice exercises
Основные термины в машинном обучении30m
Типы задач в машинном обучении30m
Машинное обучение: задачи и признаки30m
Линейная регрессия30m
Градиентный спуск30m
Линейные модели30m
Week
2

Week 2

11 hours to complete

Борьба с переобучением и оценивание качества

11 hours to complete
14 videos (Total 126 min), 9 readings, 8 quizzes
14 videos
Регуляризация7m
Оценивание качества алгоритмов7m
Сравнение алгоритмов и выбор гиперпараметров4m
Метрики качества в задачах регрессии10m
Метрики качества классификации4m
Точность и полнота8m
Объединение точности и полноты5m
Качество оценок принадлежности классу12m
Встроенные датасеты. Sklearn.datasets15m
Кросс-валидация. Sklearn.cross_validation9m
Линейные модели. Sklearn.linear_model. Классификация10m
Линейные модели. Sklearn.linear_model. Регрессия7m
Метрики качества. Sklearn.metrics13m
9 readings
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
Конспект10m
Встроенные датасеты. Sklearn.datasets (ipython notebook)10m
Кросс-валидация. Sklearn.cross_validation (ipython notebook)10m
Линейные модели. Sklearn.linear_model. Классификация (ipython notebook)10m
Линейные модели. Sklearn.linear_model. Регрессия (ipython notebook)10m
Метрики качества. Sklearn.metrics (ipython notebook)10m
6 practice exercises
Проблема переобучения30m
Проблема переобучения и борьба с ней30m
Как измерить качество алгоритма?30m
Метрики качества30m
Встроенные датасеты и кросс-валидация30m
Введение в scikit-learn30m
Week
3

Week 3

9 hours to complete

Линейные модели: классификация и практические аспекты

9 hours to complete
14 videos (Total 97 min), 7 readings, 7 quizzes
14 videos
Метод максимального правдоподобия4m
Регрессия как максимизация правдоподобия2m
Регрессия как оценка среднего4m
Регуляризация8m
Задача оценивания вероятностей и логистическая регрессия8m
Масштабирование признаков6m
Спрямляющие пространства5m
Работа с категориальными признаками4m
Несбалансированные данные5m
Многоклассовая классификация4m
Подбор параметров по сетке. Sklearn.grid_search9m
Задача: bike sharing demand15m
Задача: bike sharing demand. Продолжение13m
7 readings
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
Конспект10m
Подбор параметров по сетке. Sklearn.grid_search (ipython notebook)10m
Задача Bike Sharing Demand (ipython notebook)10m
Задача Bike Sharing Demand. Продолжение (ipython notebook)10m
6 practice exercises
Метод максимального правдоподобия30m
Линейные модели: статистический взгляд30m
Линейные модели: подготовка признаков30m
Линейные модели: практические аспекты30m
Подбор параметров по сетке30m
Анализ данных в scikit-learn30m
Week
4

Week 4

13 hours to complete

Решающие деревья и композиции алгоритмов

13 hours to complete
17 videos (Total 114 min), 10 readings, 8 quizzes
17 videos
Обучение решающих деревьев6m
Критерии информативности7m
Критерии останова и стрижка деревьев4m
Решающие деревья и категориальные признаки8m
Решающие деревья в sklearn10m
Композиции деревьев6m
Смещение и разброс9m
Случайные леса6m
Трюки со случайными лесами4m
Случайные леса в sklearn7m
Композиции простых алгоритмов5m
Градиентный бустинг7m
Борьба с переобучением в градиентном бустинге6m
Градиентный бустинг для регрессии и классификации4m
Градиентный бустинг над решающими деревьями5m
Градиентный бустинг в XGBoost5m
10 readings
Решающие деревья в sklearn (ipython notebook)10m
Слайды к лекциям10m
Конспект10m
Случайные леса в sklearn (ipython notebook)10m
Слайды к лекциям10m
Конспект10m
XGBoost10m
Градиентный бустинг в XGBoost (ipython notebook)10m
Слайды к лекциям10m
Конспект10m
6 practice exercises
Построение решающих деревьев30m
Решающие деревья30m
Бэггинг30m
Композиции и случайные леса30m
Обучение композиций и градиентный бустинг30m
Градиентный бустинг: обучение и практические аспекты30m

Reviews

TOP REVIEWS FROM ОБУЧЕНИЕ НА РАЗМЕЧЕННЫХ ДАННЫХ

View all reviews

About the Машинное обучение и анализ данных Specialization

Машинное обучение и анализ данных

Frequently Asked Questions

More questions? Visit the Learner Help Center.