Семинары

Средства разработки и библиотеки

• Anaconda Python 3.x:
  • jupyter
  • numpy
  • scipy
  • pandas
  • sklearn
  • nltk
• gensim: pip install gensim

Пререквизиты

• Основы программирования на Python

Темы

1. Введение
2. Основные средства
   • Numpy
   • Matplotlib
   • Pandas
     • Основные команды
     • Пример с общепитом
   • Основы разработки под sklearn
3. Статистика
   • Общие понятия
   • Законы распределения
   • Корреляция
   • Дополнительный пример
4. Градиентный спуск
   • Градиентный спуск
   • Стохастический градиентный спуск
5. Регрессия
   • Обучение линейной регрессии: МНК, ГС, СГС
   • Линейная регрессия и статистический вывод
   • Линейная полиномиальная регрессия
   • Пример с расходом топлива
   • Регрессия
6. Классификация
   • Логистическая регрессия
   • Классификация с несбалансированной выборкой
   • Классификация
7. Деревья решений и их ансамбли
   • Деревья решений и их ансамбли
   • Деревья решений для задачи регрессии
   • Пример с предсказанием покупок
8. Метрики качества
9. Выбор модели
   • Оценка качества и выбор модели с использованием кросс-валидации
   • Регуляризация и выбор модели
10. Выбор признаков
11. Классификация текстов
12. Нейронные сети
13. Кластеризация
    • Основные методы
    • Определение количества кластеров
    • Использование кластеризации при классификации данных
14. Метод главных компонент и уменьшение размерности
15. Тематическое моделирование