Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Higher School of Economics

Продвинутые методы машинного обучения

Higher School of Economics via Coursera

Overview

"Продвинутые методы машинного обучения" — продолжение курса "Основы машинного обучения", где речь шла о принципах и базовых методах из этой области.

В данном курсе мы затронем три темы. Первая — решающие деревья и их композиции. Эти методы сильно отличаются от линейных, поскольку не являются дифференцируемыми и для их обучения нужны специальные подходы. В то же время композиции деревьев являются крайне мощными алгоритмами, которые широко используются при работе с табличными данными. Особенно подробно мы разберём градиентный бустинг — де-факто стандартный подход для решения сложных задач извлечения закономерностей из данных.

Вторая тема — обучение без учителя. Мы поговорим про методы кластеризации, визуализации и понижения размерности. Эти подходы позволяют находить закономерности в данных, даже если у нас нет правильных ответов.

Третья тема — рекомендательные системы. Мы обсудим, как уже известные методы можно применять для их построения, а также какая специфика в них возникает.

По итогам курса вы поймёте, как устроены все ключевые моменты в машинном обучении, освоите сложные методы, а также получите хороший практический опыт подготовки данных, их визуализации, построения и анализа моделей.

Syllabus

  • Решающие деревья
  • Композиции: бэггинг, блендинг и стэкинг
  • Градиентный бустинг
  • Обучение без учителя
  • Рекомендательные системы
  • Финальный проект

Taught by

Evgeny Sokolov and Andrei Zimovnov

Related Courses

Reviews

Start your review of Продвинутые методы машинного обучения

Never Stop Learning!

Get personalized course recommendations, track subjects and courses with reminders, and more.

Sign up for free