Chevron Left
Back to Введение в машинное обучение

Learner Reviews & Feedback for Введение в машинное обучение by HSE University

4.6
stars
2,419 ratings
499 reviews

About the Course

Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область — поиск способов автоматического быстрого анализа огромных объёмов разнородной информации. Наука о больших данных ещё только оформляется, но уже сейчас она очень востребована — и в будущем будет востребована только больше. С её помощью можно решать невероятные задачи: оценивать состояние печени по кардиограмме, предсказывать зарплату по описанию вакансии, предлагать пользователю музыку на основании его анкеты в интернете. Большими данными может оказаться что угодно: результаты научных экспериментов, логи банковских транзакций, метеорологические наблюдения, профили в социальных сетях — словом, всё, что может быть полезно проанализировать. Самым перспективным подходом к анализу больших данных считается применение машинного обучения — набора методов, благодаря которым компьютер может находить в массивах изначально неизвестные взаимосвязи и закономерности. На факультете компьютерных наук ВШЭ и в Школе анализа данных есть люди, активно использующие машинное обучение и разрабатывающие новые подходы к нему. Именно они — преподаватели этого курса. В онлайн курсе вы изучите основные типы задач, решаемых с помощью машинного обучения — в основном речь пойдёт о классификации, регрессии и кластеризации. Узнаете об основных методах машинного обучения и их особенностях, научитесь оценивать качество моделей — и решать, подходит ли модель для решения конкретной задачи. Наконец, познакомитесь с современными библиотеками, в которых реализованы обсуждаемые модели и методы оценки их качества. Для работы мы будем использовать реальные данные из реальных задач. Слушателю нужно знать об основных понятиях математики: функциях, производных, векторах, матрицах. Для выполнения практических заданий потребуются базовые навыки программирования на языке Python. Задания рассчитаны на использование этого языка и его библиотек numpy, pandas и scikit-learn. Чтобы успешно завершить курс, нужно набрать проходную сумму баллов за тесты и практические задания, а также выполнить финальный проект, посвящённый решению прикладной задачи анализа данных. Мы уверены, что этот курс будет полезен каждому, кто хочет постичь искусство предсказательного моделирования и освоить интеллектуальный анализ данных. Появились технические трудности? Обращайтесь на адрес: coursera@hse.ru...

Top reviews

AA
Jun 14, 2016

Хороший курс без лишнего. Некоторые методы, предлагаемые в заданиях не оптимальны с точки зрения затрат ресурсов компьютера и времени программиста, но, надеюсь, с новыми сессиями будет развитие курса.

AL
Sep 24, 2018

Понравилось отсутствие "разжевывания" материала, короткие и информативные видео-лекции, довольно интересные задания. Курс дал начальное понимание основных принципов и направлений в ML.

Filter by:

26 - 50 of 483 Reviews for Введение в машинное обучение

By Nick S

Oct 25, 2017

Курс отличный! Но часто ловил себя на мысли, что многие вещи можно было проще объяснить добавив немного визуализации (графики, схемы, анимации) дополнительно в формулам

By Роман С

Nov 28, 2020

Хороший курс!Но начинать с него вникать в машинное обучение тяжеловато)

By Макс К

Jan 31, 2019

Требуется больше практических примеров. Евгений Соколов - великолепен. Очень понятно объясняет сложные вещи.

Константин Воронцов - классический профессор вуза. Говорит сложно, без примеров. Для понимания требуется большой математический бэкграунд. Чего в курсе для "начинающих" не предполагалось, как мне кажется.

By Djana R

Jun 24, 2018

So, so.It is not a clear structure, no clear examples, no did with the heart.

By Andrey F

Dec 26, 2016

Хороший обзорный курс. Его преимущество в том, что он позволяет за относительно короткий срок составить представление об основных методах машинного обучения, применяемых на практике. Причем в лекциях дается хоть и лаконичное, но вполне серьезное теоретическое объяснение работы алгоритмов, глубина познаний лектора вызывает большое уважение. Недостатки этого курса - продолжение достоинств. Объем лекций на мой взгляд маловат и не всегда позволяет глубоко понять теорию, стоящую за изучаемыми методами (я знаю, что первое слово в названии курса - "введение", но тем не менее). Некоторые вещи стоило бы "разжевывать" подробнее. Практические задания же часто слишком простые и глубокого понимания теории и не требуют - для их выполнения достаточно научиться пользоваться готовыми библиотеками.

Кроме того, небрежно оценено время прохождения - на все практические задания якобы надо по 3 часа (хотя многие из них достаточно простые и у меня уходило намного меньше времени), а вот финальное задание, самое сложное и объемное, оценено в 2 часа. Ну и прочие технические недоработки реализации, типа необходимости вручную убирать перевод строки в файле с ответом (хоть это и недостаток самой платформы, не все курсы здесь от него страдают) - все это несколько портит впечатление.

Но поставил все-таки пять звездочек, потому что несмотря на все эти недочеты я благодарен авторам курса за их труд и за те знания, которые я здесь получил, и очень рад, что русскоязычные курсы по этому направлению вообще существуют и конкретно этот явно стоит того, чтобы его пройти.

By Ivan G

Mar 5, 2016

GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT! GREAT!

By Sergey B

Dec 6, 2018

Нет возможности поставить 4.5, поэтому ставлю 5.

Плюсы:

+ даётся много математики за происходящим

+ курс предполагает достаточно объёмные имеющиеся знания (не тратится время на объяснения азов)

+ рассмотрено много методов

+ материалы курса объяснены просто и доходчиво

+ даётся много практических рекомендаций или замечаний

+ субъективный плюс: заставил много гуглить и разбираться с API

Минус один, субъективный: практические задания сильно оторваны от материалов лекций. В видео рассказывается о множестве методов и внутренней логике их работы, практическое задание сводится к вызову библиотечных методов для одного метода. Только в одном задании пришлось имплементировать градиентный спуск руками, остальные задания (кроме финального) сводились к минимальной пред-обработке данных и вызову методов API.

Финальное задание крутое. Ещё понравилась возможность посмотреть на решения однокурсников и кое-чему научиться.

Мои исходные данные: подзабытые фрагментарные знания математики из университета, многолетний опыт программирования (но не на питоне), полное незнание методов машинного обучения. Мне курс очень хорошо зашёл, рекомендую.

By Aleksandr I

Jan 24, 2017

Этот курс дал понимание основных принципов машинного обучения, образовав платформу для дальнейшего развития. С его помощью мне удалось познакомится с широким ассортиментом алгоритмов, некоторые из них (например семейство neural networks) выходят за рамки курса по объему и сложности, однако хотя бы поверхностно были освещены и на мой взгляд это очень хорошо. Так же лично для меня в этом курсе было много математики, в которой я сейчас слаб, но за счет того, что она была на подавляющем большинстве слайдов я смог получить дополнительную мотивацию и сейчас активно занимаюсь её изучением. Хочу выразить уважение К.В. Воронцову, думаю многие меня сейчас поняли, но так же мне понравились лекции с Евгением Соколовым, эти видео чуть менее формальны, за счет чего понимать их было намного проще. Конечно во время прохождения я сталкивался с некоторыми сложностями и неоднозначностями, но по завершению курса осталось только желание поставить 5 звезд. Спасибо за то что Вы делаете.

By Ekaterina A

Nov 12, 2018

В курсе много внимания уделяется теории, лекции мне понравились. Видно, что преподавателям интересен предмет и что они хорошо в нём разбираются. Теория опирается на математический анализ, линейную алгебру, теорию вероятностей и другие разделы вузовской математики, так что этот курс для тех, кто довольно много изучал математику в университете.

Мне кажется, перед прохождения этого круса нужно познакомиться с алгоритмами машинного обучения на более поверхностном уровне, на каких-то частных примерах, потому что здесь сразу даются концепции в очень общем виде и сразу может быть непонятно - это вообще как и зачем используется. Программирование практически полностью оставлено на самостоятельное изучение, так что перед началом курса лучше познакомиться с библиотеками для анализа данных на используемом языке программирования (например, для Python это pandas, sklearn и тд), иначе может быть очень тяжело.

То есть этот курс хоть и "введение", но не совсем для новичков.

By Кесиян Г А

Oct 25, 2019

Отличный курс введения в машинное обучение.

Теоретический материал представлен в такой мере, чтобы можно было начать двигаться в нужном направлении, но при этом требовалось самому решать подзадачи. На мой взгляд, это идеальный способ заставить учиться.

Вопросы «внутри видео» позволяют верифицировать приобретенные знания.

Вопросы в тестовых заданиях не всегда имеют прямой ответ в видеоматериалах. Периодически требуется додумывать, приходить к ответу с помощью логико-математических методов.

Практические задания требуют не только механических навыков реализации известных алгоритмов или вызова известных методов, но и всякого рода рассуждения, для получения верных решений. Наличие системы обсуждения в этом смысле является отличным способом поделиться опытом или понять решение, когда вы уже в тупике.

Итоговый проект позволяет погрузиться в проблемную область и побывать в роли учителя, что тоже, безусловно, интересно и важно.

By Валерия А

May 10, 2020

Месяц назад я не могла написать нормально работающий цикл и была очень далека от машинного обучения...

А теперь знакома с различными сложными алгоритмами, методами понижения размерности, метриками качества. Я в полном восторге от курса. Теория и практика сбалансированы: вам понятно донесут информацию, вы закрепите ее с помощью тестов/практических заданий. Много ссылок на источники и вспомогательные материалы, которые помогут вам вникнуть и разобраться. Очень работающий форум: отзывчивые ребята и персонал всегда ответят на вопросы и подскажут, куда "копать".

Наконец - мотивация. Понятно, что курс - это лишь введение. Но это отличный старт, с которым понимаешь, что, даже будучи гуманитарием, при правильной методологии обучения и твоем старании эту дисциплину возможно освоить. Буду продолжать обязательно!

By Крафт Д В

Mar 23, 2021

Курс полезно изучить, даже если вы знакомы с основами МО. Авторы курса не стесняются объяснять материал с помощью математических формул, матриц, тождеств и различного рода метрик и определений из дискретной математики и теории вероятностей. Т.е. обучающий материал больше направлен на теоретическое понимание методов, со всеми тонкостями и усложнениями. Так, что да, курс требует хорошей математической подготовки. Здесь не будут объяснять методы на игрушечных примерах. Так же для прохождения курса, требуются начальные знания по языку Python. Вам будет предложены дополнительные материалы, ссылки на документы по языку, поэтому You're welcom и удачи в начинаниях (и продолжениях).

By Fatvvs F

Mar 20, 2016

Плюсы:

1) Большой плюс курса, в нём гораздо больше информации, чем у ставшего эталоном Стэнфордского курса от Andrew Ng.

2) Python!!!!!

Минусы:

1) Незаслуженно мало внимания нейронным сетям.

2) Нет ничего про anomaly detection.

3) Не сбалансированная нагрузка, некоторые недели лайтовые. А некоторые реально перегружены материалом. Можно смело удлинить курс на 11 и более недель, с учетом остальных моих комментариев.

4) Не хватает примеров. Особенно на фоне ориентированности на математический аппарат, более жесткий чем у Andrew Ng.

5) Материал по некоторым темам очень сжат. Приходилось смотреть сторонние источники информации чтобы понять.

Но всё-равно курс очень крут.

By Sodbo Z S

Mar 15, 2016

Положительные стороны курса: систематичность, последовательность, математическая строгость. Прекрасно показаны тонкие моменты в тех или иных случаях применения различных алгоритмов обучения. Для людей, незнакомых с Python - хорошая поддержка (примеры кода присутствуют в материлае и т.д.)

Негативные моменты :

1) Курс порой был строгим и академичным, однако обратная сторона медали - иногда очень хотелось получить "объяснение на пальцах". Николай Воронцов - я думаю, вы вполне можете это добавить в свои лекции. Например, лекции молодого человека в синией кофте - прекрасный пример легко усваемого и простого объяснения.

By Стефаниди А Ф

Oct 9, 2017

Благодаря курсы я получил теоретические и практические знания по реализации логических методов, таких как решающие деревья и решающие леса. Углубил свои знания в области логистической и линейной регрессии, метриках оценки качества. Научился реализовывать градиентный бустинг над решающими деревьями. Получил новые теоретические знания и понимание частичного обучения. Задание с последней недели оказалось очень интересным и наглядно демонстрирующим актуальность и востребованность машинного обучения в наши дни. Спасибо большое Константину Вячеславовичу Воронцову и его команде за этот курс!!!

By Siarhei K

Dec 14, 2016

Минус - практика сама по себе, теория в лекциях сама по себе, иногда излишне сложная для предлагаемых задач, лекции слишком сжаты, мало примеров. Можно конечно пояснять теоретический материал со всей математической строгостью но тогда и задания должны быть соответствующие, для того чтобы эти знания закрепить.

Плюс - практические задания довольно простые, но само описание заставляет подумать и вникнуть в суть задачи а не делать всё по пунктам, по окончанию курса остается хороший навык пользования pandas и sci-kit.

В качестве введения - отличный курс, расслабится не получится.

By Valentin

Mar 6, 2016

В теории иногда слишком быстро делают выводы, так что приходится ставить на паузу и думать, переходить от слайда к слайду. Это, возможно, связано с попыткой уложить обширный курс в двухмесячный срок. Но в целом сама база отличная, знакомят с большим количеством базовых и не базовых методов, с оптимизацями и эвристиками, даже рассказывают немного про нейронные сети.

А вот к практике у меня претензий нет. Кто-то ее ругает из-за того, что она заточена под Python, - но ведь нельзя изучать машинное обучение без машины! И выучить язык в таких объемах несложная задача.

By Vadim A

Feb 22, 2016

Из всех англоязычных и русскоязычных курсов "всё в одном" по машинному обучению, которые я видел, этот - лучший.

На мой взгляд, курс рассчитан на слушателей с некоторой математической культурой (в этом принципиальное отличие от известного курса Эндрю Ына) и представляет собой значительно упрощённую версию ШАДовской дисциплины "Машинное обучение".

Задания разнообразные и интересные, охватывающие все ключевые понятия из лекций. К сожалению, по нейронным сетям только теоретические вопросы.

Настоятельно рекомендую курс всем, кто хочет заняться машинным обучением.

By Данил И

Oct 26, 2021

Курс понравился.

Мне показалось, что не для всех этот курс можно рекомендовать в качестве первого материала на поприще освоение ML. Это, на мой взгляд, связано с тем, что подача материала в курсе организована в высокой степени академически и строго. Для некоторых студентов, как показал мне небольшой опрос среди знакомых, это может стать проблемой на пути к пониманию материала. Для таких людей я бы порекомендовал начинать с курса, в котором больше внимания уделяется созданию "интуиции" в теме ML, а уже затем возвращаться к настоящему курсу.

By Болгов А А

Sep 11, 2020

Преподаватели хорошо объясняют материал, хорошие тестовые задания, задания по программированию. Лично мне была не понятна лишь математика; приходилось заглядывать в другие источники(учусь в 11 классе). А с программированием проблем никаких не возникло, все объяснения в работе определенной функции присутствуют в инструкции по выполнению задания плюс имеется опыт в программировании. Большое спасибо преподавателям и организаторам за такой прекрасный курс. В ожидании курса Intermediate ML :)

By Степан Т

Oct 20, 2018

Курс познакомил меня с основами машинного обучения. Видеолекции, правда, сильно ужаты. Иногда приходится по несколько раз пересматривать. Из-за этого желательно ознакомится параллельно с другими курсами (например с этим https://yandexdataschool.ru/edu-process/courses/machine-learning#item-1). Несмотря на то, что Питон я начал изучать здесь, то оценки времени выполнения достаточно адекватные (больше заданного времени у меня ушло на выполнение первого задания и итогового).

By Иванов И Е

Aug 22, 2019

Отличный обзорный курс по машинному обучению на русском языке. Курс требует достаточно серьезных знаний высшей математики (на уровне основных технических вузов страны) для полного понимания лекций и предполагает, что все проблемы, связанные с программированием, использованием библиотек, документации и т.д. обучающийся преодолеет самостоятельно. Акцент в курсе сделан на фундаментальные знания и на обзор методов машинного обучения, их достоинств и недостатков.

By Nikolay

Feb 18, 2017

Очень приятно впечатление от курса. Правда для его полного понимания нужна хорошая математическая база. Отлично подходит для ознакомления как с машинным обучением, так и с базовым изучением языка python. Задания курса не сложные за счет того, что авторы подробно объясняют все шаги для получения результата. Ставлю отлично, но хочется, чтобы авторы рассказали еще больше алгоритмов из реальной жизни, особенно в части распознавания образов.

By Крючков А Ю

Aug 10, 2016

Название соответствует курсу. Если хотите получить базовые знания по методам машинного обучения, то этот курс можно выбирать смело. Для решения задач достаточно базовых знаний из программирования и высшей математики.

В этом курсе используется язык python. Если раньше им не пользовались, то это не так страшно. Всё можно освоить в процессе прохождения курса. Большая часть ответов на вопросы есть в документации к библиотекам и форумах.

By Проневич О Б

Jul 10, 2019

Потрясающий курс с заданиями, которым легко можно найти аналоги в производственных процессах. Этот курс позволяет получить реальные практические навыки, а также аргументировать и защищать полученные результаты. Часть лекций "прерываются" на вопросы о продемонстрированном, что позволяет удерживать внимание и концентрировать на усвоении новом. Теоретический аппарат рассчитан на наличие достаточно серьезных знаний универской математики.