Acerca de este Curso

146,465 vistas recientes

Resultados profesionales del estudiante

41%

comenzó una nueva carrera después de completar estos cursos

48%

consiguió un beneficio tangible en su carrera profesional gracias a este curso

30%

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.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Aprox. 56 horas para completar
Ruso (Russian)

Habilidades que obtendrás

Python ProgrammingMachine Learning (ML) AlgorithmsMachine LearningPandas

Resultados profesionales del estudiante

41%

comenzó una nueva carrera después de completar estos cursos

48%

consiguió un beneficio tangible en su carrera profesional gracias a este curso

30%

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.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Aprox. 56 horas para completar
Ruso (Russian)

ofrecido por

Placeholder

National Research University Higher School of Economics

Placeholder

Yandex School of Data Analysis

Programa - Qué aprenderás en este curso

Calificación del contenidoThumbs Up92%(42,138 calificaciones)Info
Semana
1

Semana 1

6 horas para completar

Знакомство с анализом данных и машинным обучением

6 horas para completar
6 videos (Total 58 minutos), 6 lecturas, 2 cuestionarios
6 videos
Видеоролик о курсе2m
Формальная постановка задачи машинного обучения14m
Примеры применения машинного обучения — 110m
Примеры применения машинного обучения — 213m
Проблема переобучения. Методология решения задач машинного обучения.15m
6 lecturas
Об университете10m
Приветствие и вводная информация10m
Правила академической честности на курсе10m
FAQ10m
Python для анализа данных10m
Работа с векторами и матрицами в NumPy10m
1 ejercicio de práctica
Основные понятия машинного обучения30m
4 horas para completar

Логические методы классификации

4 horas para completar
4 videos (Total 35 minutos)
4 videos
Алгоритм построения решающего дерева6m
Обработка пропусков. Достоинства и недостатки решающих деревьев.8m
Способы устранения недостатков решающих деревьев12m
1 ejercicio de práctica
Решающие деревья30m
Semana
2

Semana 2

7 horas para completar

Метрические методы классификации

7 horas para completar
4 videos (Total 34 minutos)
4 videos
Метод окна Парзена8m
Метрические методы классификации в задаче восстановления регрессии9m
Обнаружение выбросов6m
1 ejercicio de práctica
Метрические методы30m
4 horas para completar

Линейные методы классификации

4 horas para completar
5 videos (Total 31 minutos)
5 videos
Градиентные методы численной минимизации и алгоритм SG5m
Алгоритм SAG3m
Метод стохастического градиента. Достоинства и недостатки.10m
Проблема переобучения5m
1 ejercicio de práctica
Линейные методы и градиентный спуск30m
Semana
3

Semana 3

11 horas para completar

Метод опорных векторов и логистическая регрессия

11 horas para completar
5 videos (Total 38 minutos)
5 videos
Метод опорных векторов. Обобщение для нелинейного случая8m
Логистическая регрессия6m
Пример применения логистической регрессии5m
Регуляризованная логистическая регрессия2m
2 ejercicios de práctica
Особенности метода опорных векторов30m
Логистическая регрессия30m
4 horas para completar

Метрики качества классификации

4 horas para completar
3 videos (Total 31 minutos)
3 videos
Метрики качества классификации — 212m
Многоклассовая классификация7m
1 ejercicio de práctica
Метрики качества классификации30m
Semana
4

Semana 4

3 horas para completar

Линейная регрессия

3 horas para completar
3 videos (Total 23 minutos)
3 horas para completar

Понижение размерности и метод главных компонент

3 horas para completar
1 video (Total 14 minutos)

Reseñas

Principales reseñas sobre ВВЕДЕНИЕ В МАШИННОЕ ОБУЧЕНИЕ

Ver todas las reseñas

Preguntas Frecuentes

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.