Прикладные задачи анализа данных

E-Learning Development Fund, Coursera

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.

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.

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.

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.

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.

会期:
  • 自由时间安排
介绍:
  • 免费:
  • 收费:
  • 证书:
  • MOOC:
  • 视频讲座:
  • 音频讲座:
  • Email-课程:
  • 语言: 俄语 Ru

反馈

目前这个课程还没有反馈。您想要留第一个反馈吗?

请注册, 为了写反馈

Show?id=n3eliycplgk&bids=695438
NVIDIA
还有这个题目的:
B-teaser-0 Машинное обучение
Лектор: Константин Вячеславович Воронцов, старший научный сотрудник Вычисли...
Ya-icon-new-size Введение в машинное обучение
Не так давно получил распространение термин большие данные», обозначивший н...
800x800-02 Обучение на размеченных данных
Обучение на размеченных данных или обучение с учителем - это наиболее распр...
Domino-depositphotos_23344972_s-1 Современная комбинаторика (Modern combinatorics)
Комбинаторика - это наука, которая, с одной стороны, богата исключительно к...
______________-______-_-____________-______________00000_00000 Статистические методы в гуманитарных исследованиях
Курс включает рассмотрение всех основных этапов статистического анализа, на...
还有Coursera:
______________ Введение в биоинформатику (Introduction to Bioinformatics)
Курс «Введение в биоинформатику» адресован тем, кто хочет получить расширен...
Hk97 Моделирование биологических молекул на GPU (Biomolecular modeling on GPU)
Моделирование биологических молекул - одна из бурно развивающихся областей ...
Corporate-finance Основы корпоративных финансов (Fundamentals of Corporate Finance)
Мы рассмотрим принципы и модели финансового анализа компании, а также оценк...
Blue_logo_edited Электричество и магнетизм. Часть 1 (Electricity and Magnetism. Part 1)
Курс посвящен изучению базовых законов электростатики и магнитостатики. Что...
Financial-markets-and-institutions1 Финансовые рынки и институты (Financial Markets and Institutions)
Вы узнаете, как функционируют финансовые рынки и финансовые институты. Каки...

© 2013-2019