Машинно обучение и анализ на данни

За кого е това
специализация

За
възпитаници
и ученици

За
професионален
анализатори

За
директори
фирми

Характеристика:
специализации

Напълно на руски

Разширено обучение на базата на MIPT

Дистанционно

Дипломна работа,
практичен

Назначаване на работа
до топ компании

Преподаватели

Константин Воронцов

Вадим Стрижов

Евгений Рябенко

Евгений Соколов

Виктор Кантор

Емели Драл

Програма изучаване на

Дипломна работа

"Математика и Python за анализ на данни"

Библиотека на Python и линейна алгебра.

Оптимизация и разширяване на матрицата.

Анализът на данните и машинното обучение се основава на резултатите от математическия анализ, линейната алгебра и теорията на вероятностите. Без фундаментални познания по тези науки е невъзможно да се разберат методите за анализ на данните.

Първият курс ще формира тази основа. Ще разкрием значението на математическите понятия и обекти без сложни формули и доказателства.

„Учене от етикетирани данни“

Машинно обучение и линейни модели.

Линейни модели и оценка на качеството.

Решителни дървета и моделни композиции.

Невронни мрежи и преглед на методите.

Етикетираното обучение или контролирано обучение е способността да се предскаже стойност за всеки обект с краен брой примери. Например нивото на задръствания на участък от пътя, възрастта на потребителя според действията му в интернет, цената на употребяван автомобил В този курс ще научите как да формулирате и решавате такива проблеми.

„Намиране на структура в данните“

Намаляване на размерите и декомпозиции на матрицата.

Визуализация на данни и търсене на аномалии.

От курса ще научите за алгоритмите за групиране на данни, които могат да се използват за търсене на групи от подобни клиенти на мобилен оператор. Ще научите как да изграждате разширения на матрици и да решавате проблем за тематично моделиране, да намалявате размера на данните, да търсите аномалии и да визуализирате многоизмерни данни.

„Извличане на изводи от данни“

Основи на статистиката и тестване на хипотези.

AB тестове: основи на планирането, проектиране и интерпретация на резултатите.

Познаването на методите за анализ на данни влияе ли върху заплатите? Работи ли системата за оценка на кредитоспособността на клиентите на банката? Наистина ли новият банер е по-добър от стария? За да отговорите на тези въпроси, трябва да съберете данни. 99% от данните съдържат „шум“, така че заключенията въз основа на тях не са верни, а само вероятни. В този курс ще научите как да правите правилни заключения, да оценявате параметри, да тествате хипотези и да установявате причинно-следствени връзки.

"Приложни проблеми на анализа на данни"

Препоръки и класиране.

В този курс ще анализираме приложни проблеми от различни области на анализ на данни: анализ на текст и извличане на информация, съвместно филтриране и препоръчителни системи, бизнес разузнаване, прогнозиране на времеви редове.

Ще научите как да намалите задачата на клиента до формална формулировка на проблем с машинно обучение и ще разберете как да проверите качеството на конструирания модел на исторически данни и в онлайн експеримент. При всяка задача ще проучим плюсовете и минусите на преминалите алгоритми за машинно обучение.

"Анализ на данни: окончателен проект"

Прогнозиране на клиентския отток

Прогнозиране на времеви редове на карта

Анализ на настроението на рецензиите

Отзиви
ученици

Много добро начало, позволи ми да помня и да се организирам много. Ако има разбиране за постелката. анализ, линейна алгебра и статистика, тогава можете спокойно да поемете курса, ако не, тогава е по-добре да стигнете някъде, преди да започнете. Екипът, работил по курса, би искал да изкаже благодарност и пожелания да не сваля летвата в бъдеще.

Отличен курс от една от най-добрите образователни институции в Русия. Перфектен за тези, които желаят да започнат да учат машинно обучение. Основните понятия са достатъчно образно обяснени, осигурени са примери и връзки за по-нататъшно независимо изучаване на материала (или повторение на забравените след университета). Практическите упражнения са прости и снабдени с изчерпателни примери.

Курсът е предназначен за аудитория с умения за програмиране, въпреки че тук не се намират задания за повече от 20 реда код.

Курсът ви позволява да разберете основите на математиката, които бяха успешно забравени след кредитите и изпитите, получени в института. Нека научим нещо ново като статистика и Python бяха за мен. И всичко в курса е много професионално и достъпно, затова искам да уча и да провеждам тестове, което например не винаги се наблюдава в един и същ институт. Бях много доволен от курса и планирам да продължа специализацията си по-нататък.

Благодаря много за курса!

В момента съм към края на обучението си за машинно обучение и скоро ще си търся работа. Вашата поредица от курсове беше много полезна за овладяването на този трънлив път. Исках само да разбера задълбочено обсъжданите теми. И 41 от 1058 (надявам се, само засега) място в състезанието Bosch kaggle, по мое мнение, потвърждава високото качество на овладяване на материала.

За съжаление, лично за мен, овладяването на такава мащабна област като машинното обучение се оказа физически и психически твърде поразително, когато се комбинира с основната ми работа. Затова напуснах работата си и през последните месеци бях ангажиран отблизо с обучението. За което между другото не съжалявам. Качеството на обучение е много по-високо, отколкото при обучение само през почивните дни.

Наистина ми хареса адекватната разбивка по седмици, успявам да вървя по график без да бързам, за разлика от много други курсове.

Благодаря много за курса!

Разкошен курс. Особено благодарен за проблема с червивите ябълки от Турция. Благодарение на нея все още не помня формулата на Байес, но сега мога да я възпроизведа с разбиране и по всяко време. По някаква причина това е основната наслада. Благодаря ти, Юджийн. Бих искал още веднъж да благодаря на Юджийн за отзивчивостта му и обяснението на разликите между доверителните интервали и прогнозните интервали.

Освен статистиката, имаше много готино и разбираемо обяснение на математиката като цяло. Може би само за детерминанта и svd мивки, скоро ще забравя отново, някак си интуитивно разбиране не ми се получи в главата. Но разбрах методите за оптимизация и матричните операции. Благодаря!

Хубаво е, че самите учители са много компетентни хора, интересуващи се от това, което правят. Хареса ми раздела „Допълнителни материали“, който съдържа различни интересни връзки към ресурси, статии и снимки. Като цяло много благодаря!

Като бивш възпитаник на MIPT се наслаждавах с блестящо преподаване на Емели Драйл, Виктор Кантор, Евгений Соколов и Евгений Рябченко. Помогнаха ми да изчистя знанията си по линейна алгебра и вероятност и най-после да започна да уча Python (в момента работя върху C ++). Страхотно благодаря!
Надявам се с ентусиазъм да продължа това проучване на спецификациите, надявам се да реализирам бъдещите си проекти с помощта на взети курсове.

Имаше много интересни практически задачи. Някои от тях отнеха доста дълго време, но си заслужаваше. В същото време трябваше да изкарам математика, която е много полезна сама по себе си. За тези, които ще вземат този курс в бъдеще, препоръчвам да освежат познанията си по статистика и теория на вероятностите - това ще бъде много полезно.

От учителите бих искал да посоча Евгений Соколов, който много просто и лесно обясни темата за решителните дървета. Спомням си и една от лекциите на Емели Драл, където тя показа на примери типичните грешки на начинаещите изследователи на данни. Останалите момчета също си свършиха работата много добре.
Курсът е много стръмен. Никога не съжалявах, че се записах.

25 години, специалист по информационна сигурност по образование, работи като разработчик около 3 години.

„Участвах в този курс, защото наистина обичам машинно обучение и анализ на данни. Преди това взех курсове от чуждестранни университети, веднага щом се появи курс по руски, веднага се записах. Въпреки че много теми ми бяха познати, все пак беше интересно и полезно (особено статистика!), И имаше нови материали, с които не работех.

Завърши първия проект - добре документиран, интересен, най-близък до науката и практиката.

Много благодаря на създателите на курса за свършената работа! "

„Момчета, бихте дошли при нас в Московския държавен технически университет. Бауман (преди около 5 години). Благодаря за специализацията! Емели и Евгений Соколов обясняват много просто и ясно, искам да те видя на живо. Евгений Рябенко и веселите статистики са неразделни неща. Виктор знае как да говори за партньор с много непринуден тон. анализ, сякаш това са чехлите, които той остави на рафта за обувки вчера ".

Завършва икономическия факултет на Московския държавен университет през 1989 г. Участва в внедряването на ERP системи, икономически изследвания.

„През 80-те години бяхме преподавани по голяма част от курса. С удоволствие осъзнах, че машината за подпомагане на вектори, SVM, преминахме малко след откриването й, математиката не беше основният ни предмет.!

По време на курса оцених практичността и лекотата на изпълнение на някои неща. Интересувам се от анализ на времеви редове и техники за клъстериране. Много ми хареса как беше направен урокът за моделиране на теми, но аз лично не знам къде да го приложа.

По някаква причина чух повече за R, а не за Python, в началото беше тревожно. Имах доста добър опит в програмирането на C, по-малко C #, C++.

Това беше първият ми опит с онлайн курсове и ми хареса. Благодаря!".

Студент в Киевската политехника, Факултет по приложна математика.

“Много готин курс, всичко ми хареса! Учителите са просто топ, единственото нещо е, че бих добавил повече практика. Курсът беше направен на високо ниво, особено ми хареса преподаването на Виктор и Юджийн, впечатлени от техния стил на представяне на информация.

Курсът е направен достъпен, разбираем. Чудесно е, че винаги има възможност да получите отговор на въпроса си в чата. ".