Введение в машинное обучение

Start Date: 07/05/2020

Course Type: Common Course

Course Link: https://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie

Explore 1600+ online courses from top universities. Join Coursera today to learn data science, programming, business strategy, and more.

About 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. 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. Краткая программа курса: Неделя 1. Введение. Примеры задач. Логические методы: решающие деревья и решающие леса. Неделя 2. Метрические методы классификации. Линейные методы, стохастический градиент. Неделя 3. Метод опорных векторов (SVM). Логистическая регрессия. Метрики качества классификации. Неделя 4. Линейная регрессия. Понижение размерности, метод главных компонент. Неделя 5. Композиции алгоритмов, градиентный бустинг. Нейронные сети. Неделя 6. Кластеризация и визуализация. Частичное обучение. Неделя 7. Прикладные задачи анализа данных: постановки и методы решения. Слушателю нужно знать об основных понятиях математики: функциях, производных, векторах, матрицах. Для выполнения практических заданий потребуются базовые навыки программирования. Очень желательно знать 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

Course Syllabus

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.

Deep Learning Specialization on Coursera

Course Introduction

Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область

Course Tag

Python Programming Machine Learning (ML) Algorithms Machine Learning Pandas

Related Wiki Topic

Article Example
Psychological typologies Мельников В.М., Ямпольский Л.Т. Введение в экспериментальную писхологию личности. М., 1985.
Alexander Tumansky 2. ‘Худуд аль-алам‘: рукописи Туманского, введение и содержание В.В. Бартольда, Ленинград, 1930 (факсимиле. издание).
Tamara Melenteva Melenteva is the author of "Обучение иностранным языкам в свете функциональной асимметрии полушарий мозга (Methods of Teaching Foreign Languages in the Light of the Functional Asymmetry of the Hemispheres of the Brain)," "Use Your Brains Right," "The Vitruvius Formula," "Отзвуки былых Времен: Из Русской Бытовой Культуры (Echoes of Olden Times)," and "Непропавшие сюжеты. Пособие по чтению для иностранцев, изучающих русский язык."
Andrey Korolev Born in a diplomatic family, he was a fluent speaker of English and German since he was a child. He worked at the department of Germanic and Celtic languages of the Institute of Linguistics (Russian Academy of Sciences) and taught at the Russian State University for the Humanities. Through his great learning and talent for languages he became one of the first Russian scholars in two particularly difficult disciplines of Indo-European studies, dedicating himself to the Celtic and ancient languages of Asia Minor. He was also an expert in the broader questions of Indo-European linguistics and culture. His best known books are “Drevnejšie pamjatniki irlandskogo jazyka” (Древнейшие памятники ирландского языка, The oldest monuments of the Irish language) (Moscow, 1984, 2nd ed. 2003), containing the full corpus of the Ogham inscriptions, known at that time, and “Vvedenie v keltologiju” (Введение в кельтлогию, Introduction toCeltic studies (in collaboration with Viktor Kalygin)) (Moscow 1989; 2nd ed. 2006).
Ve (Cyrillic) Ve (В в; italics: "В" "в") is a letter of the Cyrillic script.
Olga Tomilova Шереметьевский В. В. Русский провинциальный некрополь. — 1914.
21st Guards Motor Rifle Division В годы Великой Отечественной войны полк принимал участие в освобождении Рязанской области, в Орловско-Курской операции, освобождении Белоруссии, Восточно-Прусской стратегической наступательной операции.
Petya Miladinova Миладинова е включена в Антология Пишещи актьори „Написано в антракта“ през 1998 г., както и в Алманах „Ирин Пирин“ през 2003 г.
21st Guards Motor Rifle Division В 1957 году 93-й гв.мехп был переформирован в 93-й гв.мсп 29-й гв.мсд.
Evrofinance Mosnarbank Fitch Ratings – Long term Rating В, Short Term rating В (as of 01.01.2010)
Psychological typologies Семира и В. Веташ. Астрология в образах и аналогиях мира. Барнаул, 1993.
Evgeni Gabrielev "Выставка Евгения Габриелева «В поисках русской харизмы» в музее В.А.Тропинина", Владимир Сальников. Сегодня. 1996-01-30.
21st Guards Motor Rifle Division В 1945 году 97-й гв.сп был переформирован в 93-й гв.мехп 29-й гв.мехд.
21st Guards Motor Rifle Division В 1964 году 29-я гв.мсд была переименована в 31-ю гв.мсд.
21st Guards Motor Rifle Division В 1969 году 93-й гв.мсп был передислоцирован из г. Каунас Литовской ССР в ДВО.
21st Guards Motor Rifle Division В 1978 году 93-й гв.мсп был переформирован в 111-й гв.тп 21-й гв.тд.
Turkmen Academy of Sciences
[Russian language]: Central Eurasia: Академия Наук ТССР Создана в июне 1951 на базе ТФАН СССР. Первоначально – Туркестанская науч. комиссия (1922), затем Туркм. НИИ изучения истории, географии, литературы и искусства (1925), далее Гос. Ученый Совет (ГУС) при Наркомате просвещения (1926), затем Туркменкульт* (1928-32). С мая 1932 Туркм. НИИ. Постановлением ЦИК и СНК ТССР от 31 марта 1936 в мае разделён на два ин-та: Ин-т истории и ИЯиЛ с прямым подчинением ЦИК и СНК ТССР. В дальнейшем объединены в Туркм. гос. НИИ ИЯиЛ при Республиканском комитете по делам наук (1937-40). С 1940 ТФАН СССР. Объединял три ин-та: ИЯиЛ, Биологический и Геологии: 1 д. наук и 12 канд. науки. В кон. 1945 - 238 сотруд., в т.ч. 9 д. и 51 канд. науки. Среди исслед. туркмен было 35, в т.ч. 11 канд. и 4 д. науки (2 по истории и 2 по филологии). Были открыты ин-ты Животноводства, Земледелия. В составе Физ.-тех. ин-та организ. лаборатории химии и технологии нефти, сейсмологический отд. При Президиуме ТФАН СССР осн. сектор водного хоз., в Геологическом ин-те – сектор нефти и горючих ископаемых. С 1951 АН ТССР: 42 канд. н., в т.ч. 12 туркмен. Президент Т. Бердыев, вице-президенты: М.П. Петров и О. Джумаев. В 1956 – 12 акад., 18 член-кор., 13 д. н. (в т.ч. 8 туркмен), 68 канд. н. (в т.ч. 32 туркмена), в аспирантуре училось 79 чел. В 1956 два ин-та – Земледелия и Животноводства перешли в систему министерства с.-х. ТССР. В янв. 1957 открыты ин-ты Химии и Экономики на базе отд., существовавших при Президиуме АН ТССР. После разделения ин-та Биологии созданы ин-т Ботаники и ин-т Зоологии и паразитологии. В 1957 объединяла 9 НИИ: Геологии, Физики и геофизики, Антисейсмического строительства, Химии, Ботаники, Зоологии и паразитологии, Языка и литературы; Истории, археологии и этнографии; Экономики, а также Ботанический сад, три музея (истории и краеведения в Ашхабаде и мемориальный им. 26 Бакинских комиссаров – в г.Туркменбаши*) ряд науч. станций и опорных пунктов. В 1986 академия объединяла 15 науч.-исслед. учреждения, 1053 науч. сотруд., в т.ч. 17 акад. и 25 чл.-кор., 51 д. наук и 522 канд. наук. В 1994 – 6210 науч. работников, 260 д. наук, 1540 канд. наук. Упразднена в 1997. Часть НИИ перешла в ведение соответ. министерств и ведомств. Функции Президиума АНТ летом 1998 переданы Высшему совету по науке и технике при Президенте*. Библ.: Байлиев Х.М. Три года работы ТФАН СССР (1941-1944 гг.). Известия АН ТФАН СССР, № 1, 1944; Развитие науки в советском Туркменистане. Ашхабад, «Ылым», 1971. *Академии наук президенты.
Aleksandra Potanina В. и Е. Зарины. Путешествия А. В. Потаниной. — Государственное издательство географической литературы, 1950. — 100 с. — 50 000 экз.
Be (Cyrillic) Both the Cyrillic letters Be and Ve (В в) were derived from the Greek letter Beta (Β β).
Petya Miladinova През 2004 г. преподава в Частна театрална школа за „Деца, лишени от родителска грижа“ в дом „П. Славейков“.