1

Этап 1

Математика и Python для анализа данных

14 апреля—24 апреля

2

Этап 2

Поиск структуры в данных

25 апреля—15 мая

3

Этап 3

Прикладные задачи анализа данных

01 мая—15 мая

4

Этап 4

Обучение на размеченных данных

25 апреля—22 мая

5

Этап 5

Построение выводов по данным

17 апреля—22 мая

6

Этап 6

Анализ данных: финальный проект

22 мая—17 июля

1

Этап 1

Математика и Python для анализа данных

14 апреля—24 апреля

2

Этап 2

Поиск структуры в данных

25 апреля—15 мая

6

Этап 6

Анализ данных: финальный проект

22 мая—17 июля

3

Этап 3

Прикладные задачи анализа данных

01 мая—15 мая

4

Этап 4

Обучение на размеченных данных

25 апреля—22 мая

5

Этап 5

Построение выводов по данным

17 апреля—22 мая

14 апреля 2017 17 июля 2017
Цель просрочена на 2716 дней

Цель заброшена

Автор не отписывался в цели 7 лет 1 месяц 24 дня

Общая

Пройти специализацию "Машинное обучение и анализ данных"

В рамках подготовки к олимпиадам по программированию и работе с данными я хочу пройти специализацию по машинному обучению. Отлично подошли курсы от Яндекса и МФТИ на Coursera. Платить я конечно не собираюсь, я просто хочу научиться. В этой специализации шесть небольших необходимых курсов. Я думаю, это отличный вариант! Но есть разница в том, чтобы пройти курсы и получить новые знания. Для того, чтобы идти по второму пункту я должен конспектировать каждый урок, код писать одновременно с просмотром видео.

 Критерий завершения

Я получил много новых знаний, умею их применять

  1. Математика и Python для анализа данных

    1. Введение

    2. Библиотека Python и линейная алгебра.

    3. Оптимизация и матричные разложения.

    4. Случайность

  2. Поиск структуры в данных

    1. Методы кластеризации

    2. Понижение размерности и матричные разложения

    3. Визуализация данных и поиск аномалий

    4. Тематическое моделирование

  3. Прикладные задачи анализа данных

    1. Рекомендательные системы

    2. Прогнозирование временных рядов

    3. Скоринг, прогнозирование и CTR

    4. Анализ текстов и другие прикладные задачи

  4. Обучение на размеченных данных

    1. Машинное обучение и линейные модели

    2. Линейные модели и оценка качества

    3. Решающие деревья и композиции моделей

    4. Нейронные сети и обзор методов

  5. Построение выводов по данным

    1. Основы статистики и проверка

    2. АБ-тесты: основы планирования, дизайн и интерпретация результатов

    3. Анализ зависимостей

    4. Скоринг, биоинформатика

  6. Анализ данных: финальный проект

  • 1808
  • 14 апреля 2017, 07:17
Регистрация

Регистрация

Уже зарегистрированы?
Быстрая регистрация через соцсети
Вход на сайт

Входите.
Открыто.

Еще не зарегистрированы?
 
Войти через соцсети
Забыли пароль?