Второй курс специализации Машинное обучение и анализ данных от МФТИ и Яндекс.
Всё, что творится внутри этой папки, подвержено своим законам.
- Homework содержит домашние задания. Названия папок начинаются с номера недели на курсе
- Lectures содержит лекции 😂
- Notebooks содержит ноутбуки из лекций. Названия папок начинаются с номера недели на курсе
- Slides содержит слайды
- Машинное обучение и линейные модели
- Борьба с переобучением и оценивание качества
- Линейные модели: классификация и практические аспекты
- Решающие деревья и композиции алгоритмов
- Нейронные сети и обзор методов
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.