Методы машинного обучения — будь то алгоритмы классификации или регрессии, методы кластеризации или алгоритмы понижения размерности — применяются к подготовленным данным с вычисленными признаками для решения уже сформулированной задачи. Однако специалисты по анализу данных редко оказываются в такой идеальной ситуации. Обычно перед ними ставят задачи, которые нуждаются в уточнении формулировки, выборе метрики качества и протокола тестирования итоговой модели. Данные, с которыми нужно работать, часто представлены в непригодном виде: они зашумлены, содержат ошибки и выбросы, хранятся в неудобном формате и т. д.
Este curso forma parte de Programa Especializado - Машинное обучение и анализ данных
ofrecido por
Instituto de Física y Tecnología de Moscú
Yandex
E-Learning Development Fund
Programa Especializado - Машинное обучение и анализ данныхInstituto de Física y Tecnología de MoscúAcerca de este Curso
50,345 vistas recientes
Resultados profesionales del estudiante
73%
comenzó una nueva carrera después de completar estos cursos
79%
consiguió un beneficio tangible en su carrera profesional gracias a este curso
40%
consiguió un aumento de sueldo o ascenso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Curso 5 de 6 en
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 28 horas para completar
Ruso (Russian)
Subtítulos: Ruso (Russian)
Habilidades que obtendrás
Data ScienceTime SeriesSentiment AnalysisRecommender Systems
Resultados profesionales del estudiante
73%
comenzó una nueva carrera después de completar estos cursos
79%
consiguió un beneficio tangible en su carrera profesional gracias a este curso
40%
consiguió un aumento de sueldo o ascenso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Curso 5 de 6 en
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 28 horas para completar
Ruso (Russian)
Subtítulos: Ruso (Russian)
ofrecido por
Instituto de Física y Tecnología de Moscú
Московский физико-технический институт (Физтех) является одним из ведущих вузов страны и входит в основные рейтинги лучших университетов мира. Институт обладает не только богатой историей – основателями и профессорами института были Нобелевские лауреаты Пётр Капица, Лев Ландау и Николай Семенов – но и большой научно-исследовательской базой.
Yandex
Yandex is a technology company that builds intelligent products and services powered by machine learning. Our goal is to help consumers and businesses better navigate the online and offline world.
E-Learning Development Fund
Фонд развития онлайн-образования (ФРОО) объединяет образовательные стартапы, проекты в области EdTech и запускает собственные онлайн-программы в области машинного обучения, программирования, мобильной разработки, VR, дизайна и IT. Мы выстраиваем экосистему для обучения на всех стадиях жизненного цикла: от идеи и поиска средств на производство образовательной программы до поддержки, продаж и маркетинга. А сотрудничество с крупнейшими образовательными платформами позволяет запускать онлайн-курсы с максимальным эффектом и пользой для всех заинтересованных сторон.
Programa - Qué aprenderás en este curso
7 horas para completar
Бизнес-задачи
На этой неделе мы разберём две крупные задачи, часто возникающие в бизнес-аналитике. Первая связана с прогнозированием временных рядов; задачи такого типа часто возникают, когда необходимо оценить значение показателя в будущем, основываясь на истории его изменения в прошлом. Такими показателями могут быть спрос на товар, аудитория рекламного баннера, цена акций и т.д. Вторя задача — это анализ поведения пользователей. Класс задач, связанных с анализом пользовательских данных, неизбежно появляется практически в любой сфере бизнеса, подразумевающей работу с клиентами. Как правило, это такие задачи, как привлечение пользователей, работа с аудиторией, прогнозирование оттока и удержание клиентов.
7 horas para completar
19 videos (Total 152 minutos), 6 lecturas, 7 cuestionarios
19 videos
Как устроена специализация, и зачем ее проходить3m
МФТИ1m
Временные ряды9m
Автокорреляция6m
Стационарность6m
ARMA5m
ARIMA5m
Выбор ARIMA и прогнозирование10m
Анализ остатков8m
Пример построения прогноза11m
Регрессионный подход к прогнозированию8m
Анализ поведения пользователей8m
Аудиторные метрики: привлечение7m
Аудиторные метрики: активность9m
Аудиторные метрики: монетизация6m
Аудиторные метрики: удержание3m
Прогнозирование оттока пользователей: Постановка задачи18m
Прогнозирование оттока пользователей: Построение и оценка модели16m
6 lecturas
МФТИ10m
Forum&Chat10m
Пример построения прогноза [ipython notebook]10m
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
6 ejercicios de práctica
Автокорреляция и стационарность30m
p, q, P, Q30m
Прогнозирование временных рядов30m
Аудиторные показатели: привлечение и активность30m
Аудиторные показатели: монетизация и удержание30m
Анализ поведения пользователей30m
7 horas para completar
Анализ медиа
Вторая неделя посвящена вопросам компьютерного зрения. Мы обсудим базовые методы обработки изображений и поговорим про такие задачи, как классификация изображений, распознавание лиц, детекция объектов и семантическая сегментация. Благодаря развитию глубоких нейронных сетей, за последние несколько лет во всех этих задачах достигнут огромный прогресс. Вы узнаете, как на практике пользоваться нейросетевыми библиотеками, и научитесь быстро собирать и размечать большие коллекции изображений.
7 horas para completar
11 videos (Total 106 minutos), 7 lecturas, 3 cuestionarios
11 videos
Задачи компьютерного зрения5m
"Низкоуровневое" зрение14m
Линейная фильтрация изображений4m
Классификация изображений9m
Задача классификации изображений на практике14m
Распознавание лиц17m
Детекция объектов13m
Стилизация изображений3m
Распознавание китов5m
Сбор больших коллекций изображений10m
7 lecturas
Дополнительные материалы10m
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
Конспект10m
Слайды к лекциям10m
Конспект10m
2 ejercicios de práctica
Компьютерное зрение30m
Практические задачи компьютерного зрения30m
7 horas para completar
Анализ текстов
Данная неделя посвящена работе с особым видом данных — текстами. Тексты встречаются во многих задачах, и при этом свести их к стандартной матрице с объектами и признаками не так просто. В этом модуле мы изучим основы работы с текстовыми данными, способы генерации признаков на их основе, поговорим о нейросетевых подходах (в частности, word2vec и рекуррентные сети). Также мы обсудим несколько конкретных прикладных задач анализа текстов, среди которых будут анализ тональности и аннотирование.
7 horas para completar
13 videos (Total 80 minutos), 6 lecturas, 5 cuestionarios
13 videos
Предобработка текста6m
Извлечение признаков из текста5m
Извлечение признаков из текста - 25m
Обучение моделей на текстах3m
word2vec5m
Рекуррентные сети7m
Выделение коллокаций5m
Языковые модели4m
Анализ тональности текста13m
Анализ тональности отзывов4m
Анализ тональности отзывов: продолжение5m
Аннотирование7m
6 lecturas
Слайды к лекциям10m
Конспекты к лекциям10m
Слайды к лекциям10m
Конспекты к лекциям10m
Анализ тональности отзывов [ipython notebook]10m
Слайды к лекциям10m
4 ejercicios de práctica
Первичная обработка текстов30m
Текстовые данные и работа с ними30m
word2vec и рекуррентные сети30m
Примеры задач анализа текстов30m
7 horas para completar
Рекомендации и ранжирование
На этой неделе вы познакомитесь с задачами, в которых нужно оценивать "интересность" различных объектов для пользователя - задачей ранжирования, актуальной при построении поиска, и задачей построения рекомендательных систем, возникающей при необходимости посоветовать пользователю некоторый контент (фильмы, музыку, статьи) или товары в интернет-магазине.
7 horas para completar
10 videos (Total 57 minutos), 5 lecturas, 4 cuestionarios
10 videos
Метрики качества ранжирования6m
Методы ранжирования4m
Рекомендательные системы4m
kNN и матричные разложения2m
Подходы к построению рекомендательных систем11m
Гибридные рекомендательные системы6m
Оффлайн оценка качества3m
Онлайновая оценка качества5m
Максимизация прибыли магазина7m
5 lecturas
Слайды к лекциям10m
Конспекты к лекциям10m
Слайды к лекциям10m
Финальные титры10m
Стань ментором специализации10m
3 ejercicios de práctica
Ранжирование30m
Рекомендательные системы-130m
Рекомендательные системы-230m
Reseñas
Principales reseñas sobre ПРИКЛАДНЫЕ ЗАДАЧИ АНАЛИЗА ДАННЫХ
por KV8 de jul. de 2017
Курс интересен тем, что в нем рассматриваются примеры реальных задач, которые решаются в индустрии. Но мне он показался слишком простым по сравнению с 2,3 и 4 курсами. Можно усложнить его немного :)
por PK23 de may. de 2018
Отличный вводный курс, как и вся специализация. Доступно и понятно изложены все базовые вещи, которые могут потребоваться в повседневной деятельности в качестве data scientist.
por KC28 de may. de 2018
качество курса немного хромает по сравнению в предыдущими (менее "академичные лекции, pdf с материалом отсутствует). но в целом, лучшее из прошлых курсов сохранено.
por IS20 de ene. de 2019
Замечательный курс, полный примеров из реальной жизни для получения опыта. Очень полезные и понятные лекции, конспекты. Очень рад, что смог пройти этот курс.
Acerca de Programa especializado: Машинное обучение и анализ данных
Мы покажем, как проходит полный цикл анализа, от сбора данных до выбора оптимального решения и оценки его качества. Вы научитесь пользоваться современными аналитическими инструментами и адаптировать их под особенности конкретных задач.
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
- es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
- Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
Is financial aid available?
Sí, Coursera ofrece ayuda económica a los estudiantes que no pueden pagar la tarifa. Solicítala haciendo clic en el enlace de Ayuda económica que está debajo del botón “Inscribirse” a la izquierda. Se te pedirá que completes una solicitud. Recibirás una notificación en caso de que se apruebe. Deberás completar este paso para cada uno de los cursos que forman parte del Programa especializado, incluido el proyecto final. Obtén más información.
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
