Третий 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
- Кластеризация
- Понижение размерности и матричные разложения
- Визуализация и поиск аномалий
- Тематическое моделирование
В машинном обучении встречаются задачи, где нужно изучить структуру данных, найти в них скрытые взаимосвязи и закономерности. Например, нам может понадобиться описать каждого клиента банка с помощью меньшего количества переменных — для этого можно использовать методы понижения размерности, основанные на матричных разложениях. Такие методы пытаются сформировать новые признаки на основе старых, сохранив как можно больше информации в данных. Другим примером может служить задача тематического моделирования, в которой для набора текстов нужно построить модель, объясняющую процесс формирования этих текстов из небольшого количества тем.
Такие задачи назвают обучением без учителя. В отличие от обучения с учителем, в них не предполагают восстановление зависимости между объектами и целевой переменной.
Из этого курса вы узнаете об алгоритмах кластеризации данных, с помощью которых, например, можно искать группы схожих клиентов мобильного оператора. Вы научитесь строить матричные разложения и решать задачу тематического моделирования, понижать размерность данных, искать аномалии и визуализировать многомерные данные.