Курс Machine Learning basis (подія в архіві)

Этот курс начинается с введения в машинное обучение: как оно организовано, каковы подотрасли машинного обучения, фундаментальные различия между этими подходами и типы проблем, для решения которых они предназначены.

Затем студенты знакомятся с постановкой задачи машинного обучения, выбирая соответствующую целевую функцию и алгоритм для данной задачи. Хорошо известно, что обработка данных и выбор функций занимают большую часть времени разработки модели. Студенты изучают методы, позволяющие эффективно справляться с отсутствующими значениями, выбросами, категориальными переменными и создают новые функции.

Учебный план

27.07-12.08 — 36 часов лекция и практик
09:00 — 12:00

Что будете изучать:

● Постановка задачи машинного обучения;
● Конструирование признаков;
● Функции потерь;
● Генерализация и оценка модели;
● Оптимизация гиперпараметров;
● Выбор модели;
● Линейная регрессия;
● Логистическая регрессия.

Что будете уметь:

● Опыт понимания и использования линейных /нелинейных моделей;
● Глубокое понимание моделей обучения c учителем и без, как пример линейная регрессия, логистическая регрессия, SVM, кластеризация и К ближайших соседей;
● Представление о том, как на самом деле работает магия нейронных сетей, и сможете написать их самостоятельно;
● Создание воспроизводимых machine learning pipelines;
● Опыт применения изученых методов для решения реальных проблем.

Регистрация