Машинное обучение на больших данных

Курс находится на модерации. Данные могут быть неактуальны.

3.5

5 недель, от 5 до 14 часов в неделю

Тип обучения

Курс

Трудоустройство

Отсутствует

Зач. единицы

Стоимость курса

бесплатно

нет рассрочки

О курсе
И исследователи в лабораториях, и инженеры в больших корпорациях бьются над одной задачей — получить наиболее точную предсказательную модель по имеющимся данным. Эту задачу можно решить, используя современные методы из области машинного обучения. К сожалению, когда данных становится слишком много, классические алгоритмы становятся неэффективными или перестают работать вовсе.

В этом онлайн-курсе мы рассмотрим основные проблемы, которые возникают при попытке обучить машину на больших данных, и методы их решения. Изучим подходы для эффективной разметки данных, модификации в классических алгоритмах, которые позволяют им эффективно работать, а также наиболее популярные инструменты для решения задач интеллектуального анализа данных.
Формат
Курс проходит на внутренней платформе НИУ ВШЭ.

Курс длится 5 недель. Каждая неделя содержит видеолекции, тестовые задания и материалы для самостоятельного изучения. В конце курса вас ждет прикладной проект

Вас будут обучать

Куцев Роман Анатольевич

курса

Должность: Crowd Solution Architect, Neatcy, Inc.

Саркисян Вероника Вагановна

курса

Аналитик данных

Начала работать в НИУ ВШЭ в 2017 году. Преподает курсы по цифровой грамотности, анализу текстов и инструментам и методам работы с большими массивами текстовой информации.Профессиональные интересы: анализ больших данных Образование 2018 Бакалавриат: Национальный исследовательский университет «Высшая школа экономики», специальность «Прикладная математика и информатика»

Космачев Алексей Дмитриевич

курса

Должность: Преподаватель: Факультет Математических Наук

Образовательная организация

Национальный исследовательский университет "Высшая школа экономики"

0 отзывов

Национальный исследовательский университет «Высшая школа экономики» — исследовательский университет, осуществляющий свою миссию через научно-образовательную, проектную, экспертно-аналитическую и социокультурную деятельности на основе международных научных и организационных стандартов.

Мы осознаем себя частью мирового академического сообщества, считаем международное партнерство, вовлеченность в глобальное университетское взаимодействие ключевыми элементами нашего движения вперед. Будучи российским университетом, мы работаем на благо России и ее граждан.

Наш университет — это коллектив ученых, сотрудников, аспирантов и студентов, которых отличает внутренняя приверженность к поддержанию высоких академических стандартов своей деятельности. Мы стремимся обеспечить наиболее благоприятные условия для развития каждого члена нашего коллектива.

Наши ценности:

Стремление к истине
Сотрудничество и заинтересованность друг в друге
Честность и открытость
Академическая свобода и политический нейтралитет
Профессионализм, требовательность к себе и ответственность
Активная общественная позиция

Сегодня Высшая школа экономики — это:

4 КАМПУСА: МОСКВА, САНКТ-ПЕТЕРБУРГ, НИЖНИЙ НОВГОРОД, ПЕРМЬ
~7000ПРЕПОДАВАТЕЛЕЙ И ИССЛЕДОВАТЕЛЕЙ
50 400+СТУДЕНТОВ
100 800ВЫПУСКНИКОВ

Открытое образование

3.7

31 отзыв

Новый элемент системы российского образования — открытые онлайн-курсы — cможет перезачесть любой университет. Мы делаем это реальной практикой, расширяя границы образования для каждого студента. Полный набор курсов от ведущих университетов. Мы ведём системную работу по созданию курсов для базовой части всех направлений подготовки, обеспечивая удобное и выгодное для любого университета встраивание курса в свои образовательные программы
«Открытое образование» – это образовательная платформа, предлагающая массовые онлайн-курсы ведущих российских вузов, которые объединили свои усилия, чтобы предоставить возможность каждому получить качественное высшее образование.

Любой пользователь может совершенно бесплатно и в любое время проходить курсы от ведущих университетов России, а студенты российских вузов смогут засчитать результаты обучения в своем университете.

Программа курса

1. Подготовка данных к обучению

Сегодня машинное обучение эффективно работает, когда у нас есть большие массивы размеченных данных. На этой неделе мы разберемся, какие форматы данных и разметки существуют и как эту разметку можно собирать

2. Обучение классических моделей на больших данных

На этой неделе мы узнаем, как обучать классические алгоритмы (линейные модели и деревья решений) на больших данных.

3. Построение рекомендательных систем

Мы посмотрим, как можно распараллелить классические алгоритмы, применяемые в рекомендательных системах.

4. Анализ больших объемов текстовой информации

Рассмотрим задачи машинного обучения на текстах. Поговорим о предобработку текста, и о том, как получить структурированное представление текстовых данных с помощью таких моделей как word2vec и BERT.

5. Обучение глубоких нейронных сетей

Мы узнаем, как распараллелить обучение современных нейросетей, как устроены внутри Horovod и Parameter Server, и поговорим про Transfer Learning.