History of Russia | Coursera

Санкт-Петербургский государственный университет (СПбГУ) — старейший вуз России, основанный в 1724 году. Университет сегодня — научный, образовательный и культурный центр мирового значения, неизменно входящий во все международные рейтинги вузов. В номинации взаимодействие с работодателями QS Graduate Employability 2021 СПбГУ занимает 20 место среди 400 ведущих вузов мира и является лучшим в России.

В настоящее время СПбГУ реализует 418 образовательных программ, включающих самые современные направления подготовки и специальности.
Сертификат об успешном окончании представленных онлайн-курсов дает 5 дополнительных баллов при поступлении на программы магистратуры и аспирантуры СПбГУ.

St Petersburg University is the oldest university in Russia, founded in 1724. The University today is a world-class research, educational and cultural centre which is always included in all international rankings of world universities. St Petersburg University was ranked 20th in QS Graduate Employability Ranking 2021 among 400 leading universities in the world and is the best in Russia. At present, St Petersburg University offers 418 academic programmes, including the most advanced areas and fields of study. The certificate of successful completion of offered online courses gives five additional points when applying for master’s and doctoral programmes at St Petersburg University.

Appreciative Inquiry is a collaborative and constructive inquiry process that searches for everything that gives life to organizations, communities, and larger human systems when they are most alive, effective, creative and healthy in their interconnected ecology of relationships. To appreciate, quite simply, means to value and to recognize that which has value—it is a way of knowing and valuing the best in life. In the language of Positive Organizational Scholarship it means a research focus—a positive bias—seeking fresh understanding of dynamics described by words like excellence, thriving, abundance, resilience, or exceptional and life-giving.

In this context the word appreciate means to value those things of value—it is a mode of knowing often connected to the idea of esthetic appreciation in the arts. To appreciate also means to be grateful or thankful for—it is a way of being and maintaining a positive stance along the path of life’s journey. And not incidentally, to appreciate is to increase in value too. Combining the three—appreciation as a way of knowing, as a way of being and as an increase in value– suggests that Appreciative Inquiry is simultaneously a life-centric form of study and a constructive mode of practice. As a form of study, Appreciative Inquiry focuses on searching systematically for those capacities and processes that give life and strength and possibility to a living system; and as a constructive mode of practice, it aims at designing and crafting human organizations through a process in which valuing and creating are viewed as one, and where inquiry and change are powerfully related and understood as a seamless and integral whole

Leading Positive Change through Appreciative Inquiry is a course dedicated to advancing our understanding and skill in leading strength-based change and on how to create, foster and manage organizations in which people thrive and perform at their best.

Case Studies: Analyzing Sentiment & Loan Default Prediction

In our case study on analyzing sentiment, you will create models that predict a class (positive/negative sentiment) from input features (text of the reviews, user profile information,…). In our second case study for this course, loan default prediction, you will tackle financial data, and predict when a loan is likely to be risky or safe for the bank. These tasks are an examples of classification, one of the most widely used areas of machine learning, with a broad array of applications, including ad targeting, spam detection, medical diagnosis and image classification.

In this course, you will create classifiers that provide state-of-the-art performance on a variety of tasks. You will become familiar with the most successful techniques, which are most widely used in practice, including logistic regression, decision trees and boosting. In addition, you will be able to design and implement the underlying algorithms that can learn these models at scale, using stochastic gradient ascent. You will implement these technique on real-world, large-scale machine learning tasks. You will also address significant tasks you will face in real-world applications of ML, including handling missing data and measuring precision and recall to evaluate a classifier. This course is hands-on, action-packed, and full of visualizations and illustrations of how these techniques will behave on real data. We’ve also included optional content in every module, covering advanced topics for those who want to go even deeper!

Learning Objectives: By the end of this course, you will be able to:
-Describe the input and output of a classification model.
-Tackle both binary and multiclass classification problems.
-Implement a logistic regression model for large-scale classification.
-Create a non-linear model using decision trees.
-Improve the performance of any model using boosting.
-Scale your methods with stochastic gradient ascent.
-Describe the underlying decision boundaries.
-Build a classification model to predict sentiment in a product review dataset.
-Analyze financial data to predict loan defaults.
-Use techniques for handling missing data.
-Evaluate your models using precision-recall metrics.
-Implement these techniques in Python (or in the language of your choice, though Python is highly recommended).

Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров. Это может быть предсказание уровня пробок на участке дороги, определение возраста пользователя по его действиям в интернете, предсказание цены, по которой будет куплена подержанная машина.

В этом курсе вы научитесь формулировать и, конечно, решать такие задачи. В центре нашего внимания будут успешно применяемые на практике алгоритмы классификации и регрессии: линейные модели, нейронные сети, решающие деревья и так далее. Особый акцент мы сделаем на такой мощной технике как построение композиций, которая позволяет существенно повысить качество отдельных алгоритмов и широко используется при решении прикладных задач. В частности, мы узнаем про случайные леса и про метод градиентного бустинга.

Построение предсказывающих алгоритмов — это лишь часть работы при решении задачи анализа данных. Мы разберемся и с другими этапами: оценивание обобщающей способности алгоритмов, подбор параметров модели, выбор и подсчет метрик качества.

Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3.

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 НИУ ВШЭ 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.

Трендвочинг — одно из самых актуальных направлений актуализации стратегий в сегодняшнем стремительно изменяющемся мире.

Трендвотчинг позволяет обрести уверенность в завтрашнем дне, актуализировать стратегию саморазвития и видеть точки роста ваших бизнес-проектов.

В рамках курса вы поймете, что будущее – это не магия, а доступный набор алгоритмов и инструментов для анализа тенденций и принятия перспективных решений. А будущее принадлежит тем, кто к нему открыт и делает шаги к нему навстречу.

Вы разберете механику зарождения трендов, их жизненные циклы и роль в жизни людей и влияние на бизнес, а также узнаете, какие тренды будут влиять непосредственно на вас и что конкретно будет актуально в ближайшем будущем.

Отдельная уроки направлены на развитие инновационного мышления, разработке новых востребованных продуктов и практическому применению полученных знаний на вашем проекте или в существующем бизнесе