Chevron Left
Back to Прикладные задачи анализа данных

Прикладные задачи анализа данных, Moscow Institute of Physics and Technology

4.4
439 ratings
71 reviews

About this Course

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. В этом курсе мы разберем прикладные задачи из различных областей анализа данных: анализ текста и информационный поиск, коллаборативная фильтрация и рекомендательные системы, бизнес-аналитика, прогнозирование временных рядов. На их примере вы узнаете, как извлекать признаки из разнородных данных, какие при этом возникают проблемы и как их решать. Вы научитесь сводить задачу заказчика к формальной постановке задачи машинного обучения и поймёте, как проверять качество построенной модели на исторических данных и в онлайн-эксперименте. На каждой задаче мы изучим плюсы и минусы пройденных алгоритмов машинного обучения. Прослушав этот курс, вы познакомитесь с распространенными типами прикладных задач и будете понимать схемы их решения....

Top reviews

By AY

Nov 30, 2017

Good course however quite small from information perspective

Filter by:

69 Reviews

By Рядовиков Антон Васильевич

Nov 09, 2018

побольше бы ссылок на исследования врем рядов (я пока на 1й неделе)

By Любовь Соина

Aug 30, 2018

Очень уж галопом по Европам прошлись по нейросетям - отсюда ценность 2-й недели сомнительна. В остальном - хорошо.

By Somov Oleg

Jul 25, 2018

Самый легкий курс за всю специализацию, самое полезное на мой взгляд - анализ временных рядов

By Pile Ian

Jul 24, 2018

Задача на последней неделе изрядно попила крови - хотелось бы , чтобы формулировка была более четкой

By Павел Сорокин

Jul 23, 2018

В курсе много поверхностных вещей, хотя в целом он полезный

Анализ изображений - очень много болтовни и мало практики, но там хотя бы упражнение полезное и интересное

А вот анализ текстов мне совсем не понравился

Пример и задание поверхностные и не интересные. Вместо того чтобы углубиться в характерные для анализа текстов вещи - лемматизация, стемминг, учет биграмм, стоп-слова, word2vec и т.д., дали оценку обычных классификаторов над какими то признаками, которые, кстати, в этом модуле вообще не обсуждались. А те особенности которые обсуждались - не показаны. В данных примерах почти ничего нового!

За тест по ранжированию в первом модуле недели 4 тоже жирный дизлайк. Там одни и те же ответы переформулированные, при этом все в некотором смысле могут быть правильными. Проблема с этим тестом известна уже более 2х лет судя по форуму, почему бы не переделать?

By Самойлов Александр Сергеевич

Jul 05, 2018

Курс вызвал у меня неоднозначные впечатления. Очень понравилась неделя Евгения с временными рядами. В целом в курсе идет краткий обзор всевозможных практических задач, при этом очень мало разборов задач. Было неплохо по каждой теме рассмотреть детально какой-нибудь реальную задачу, со всеми подводными камнями. Конечно я понимаю, что детально разобрать глубокие нейронные сети в компьютерном зрении, с учетом того, что в специализации по-сути их и не было, нереально, но в рекомендательных системах можно было бы разобрать что-то реальное к kaggle или что-нибудь настоящее. Там нет ни одного примера, а в задании люди вешаются от сложности. Нельзя от людей требовать то, чему вы их не учите. pdf лекции и презентации (за исключением временных рядов) в этом курсе подготовлены слабее, чем в остальных курсах специализации.

By Anvar Akhiyartdinov

Jun 23, 2018

Поставил 3 за плохую неделю с компьютерным зрением. Нейронные сети должны преподаваться отдельным курсом (слишком большая тема). В дополнение, формулировка задачи по ранжированию тоже ужасная. Пришлось помучиться с заданием. Из хорошего. Неделя по временным рядам классная. Неделя с текстами тоже интересная. В любом случае, спасибо за организацию курса и специализации!

By Gleb Shevchenko

Jun 12, 2018

Начало курса было интересным, но откровенно разочаровали практические задания. Вторая половина курса оказалась очень поверхностной и реального опыта не дала

By Timur Bikmukhametov

Jun 10, 2018

Неделя с нейронными сетями - тихий ужас.Первая неделя очень полезная, но можно чуть более подробнее объяснить некоторые моменты.Последняя неделя - мощь, задание очень непонятное, убивает время сильно, но позволяет немного поюзать Python.

By Ленар Сиразиев

Jun 02, 2018

интересный курс. правда неделя про машинное зрение скорее не про машинное зрение, а про легкое введение в tensorflow, нет ощущения, что по этой теме получаешь знания из programming assignment. а так в целом полезные и итересные задания