Об этом курсе:Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область — поиск способов автоматического быстрого анализа огромных объёмов разнородной информации. Наука о больших данных ещё только оформляется, но уже сейчас она очень востребована — и в будущем будет востребована только больше.
С её помощью можно решать невероятные задачи: оценивать состояние печени по кардиограмме, предсказывать зарплату по описанию вакансии, предлагать пользователю музыку на основании его анкеты в интернете.
Большими данными может оказаться что угодно: результаты научных экспериментов, логи банковских транзакций, метеорологические наблюдения, профили в социальных сетях — словом, всё, что может быть полезно проанализировать.
Самым перспективным подходом к анализу больших данных считается применение машинного обучения — набора методов, благодаря которым компьютер может находить в массивах изначально неизвестные взаимосвязи и закономерности.
...
Нашел курс: Введение в машинное обучение
BE>Об этом курсе:Не так давно получил распространение термин «большие данные», обозначивший новую прикладную область — поиск способов автоматического быстрого анализа огромных объёмов разнородной информации.Кто-нибудь проходил? Стоит тратить на него время?
Я тут подумал, что в принципе, большие данные — это не новое, оценивать состояние печени по кардиограмме — это примерно то, чем уже десятки лет занимается астрофизика и физика элементарных частиц, например. Со всяких разных коллайдеров во время эксперимента в реальном времени снимаются показания десятков тысяч данных и анализируются впоследствии. И методы анализа наработаны. Просто сейчас это вывалилось в обычное, так сказать, гражданское пространство, благодаря росту количества собираемых данных. Так что за матметодами и теорией — к физикам.
Про сам курс не знаю. Что-то полезное он точно дает, но насколько оправдано тратить время неясно. Опять же смотря кому смотря для чего.
Здравствуйте, BlackEric, Вы писали:
BE>Кто-нибудь проходил? Стоит тратить на него время?
Подумал, может в принципе "just for fun & lulz" и пройти этот курс, освежить некоторые знания, но никогда не имел дела с курсерой, что там за условия если в двух словах и оплата? Как-то сходу сведений нет, а регистрироваться просто так тоже не интересно.
Здравствуйте, Michael7, Вы писали:
M>Здравствуйте, BlackEric, Вы писали:
BE>>Кто-нибудь проходил? Стоит тратить на него время?
M>Подумал, может в принципе "just for fun & lulz" и пройти этот курс, освежить некоторые знания, но никогда не имел дела с курсерой, что там за условия если в двух словах и оплата? Как-то сходу сведений нет, а регистрироваться просто так тоже не интересно.
Здравствуйте, BlackEric, Вы писали:
BE>Нашел курс: Введение в машинное обучение
BE>Кто-нибудь проходил? Стоит тратить на него время?
На счет этого — не знаю. Не понятно на чем они делают практическую часть и есть ли она там вообще. Если ее нет, то лучше не тратьте время, а прочтите книгу вместо курса.
Я проходил "стандартный" курс по МЛ года 4 назад. Сейчас он даже на русском есть: https://ru.coursera.org/learn/machine-learning
Курс вполне годный в качестве введения. Только практическая часть строится на языке matlab/octavia которые не так популярны как R или Python (Pandas+NumPy).
Здравствуйте, Michael7, Вы писали:
M>Я тут подумал, что в принципе, большие данные — это не новое, оценивать состояние печени по кардиограмме — это примерно то, чем уже десятки лет занимается астрофизика и физика элементарных частиц, например. Со всяких разных коллайдеров во время эксперимента в реальном времени снимаются показания десятков тысяч данных и анализируются впоследствии. И методы анализа наработаны.
Коллайдеры — это в основном фильтр Калмана. С МЛ только сейчас начинаем экспериментировать.
Здравствуйте, D. Petrov, Вы писали:
DP>На счет этого — не знаю. Не понятно на чем они делают практическую часть и есть ли она там вообще. Если ее нет, то лучше не тратьте время, а прочтите книгу вместо курса.
Здравствуйте, Don Reba, Вы писали:
DR>Коллайдеры — это в основном фильтр Калмана. С МЛ только сейчас начинаем экспериментировать.
А есть что почитать? У меня похожий переход (только с Калмана уже, но вот предание забвению всех его многочисленных родственников — дело недалёкого в геологическом масштабе будущего) назревает, хочется опыта из параллельных миров.
Здравствуйте, El Camino Real, Вы писали:
ECR>А есть что почитать? У меня похожий переход (только с Калмана уже, но вот предание забвению всех его многочисленных родственников — дело недалёкого в геологическом масштабе будущего) назревает, хочется опыта из параллельных миров.
Здесь поискать по ключевым словам, вроде "deep neural network": http://cds.cern.ch/
Здравствуйте, Nuzhny, Вы писали:
DP>>На счет этого — не знаю. Не понятно на чем они делают практическую часть и есть ли она там вообще. Если ее нет, то лучше не тратьте время, а прочтите книгу вместо курса.
N>На Питоне, тут всё нормально.
Тогда отлично. Это самый практичный вариант. Можно пробовать
