COURSE_MMO

Репозиторий курса "Методы машинного обучения", магистратура, 2 семестр.

Требования к распределенному экзамену

1. Требования к распределенному экзамену
2. Вопросы и задачи к экзамену для желающих сдавать по билетам (пока в процессе подготовки)

Лекции:

1. Вводная лекция
2. Библиотеки обработки данных для языка Python
3. Обработка пропусков в данных, кодирование категориальных признаков, масштабирование данных
4. Метод k-ближайших соседей
5. Оценка качества моделей машинного обучения
6. Подбор параметров модели
7. Градиентный спуск и линейные модели машинного обучения
8. Метод опорных векторов
9. Деревья решений
10. Отдельные технологии
11. Использование текстовых признаков
12. Ансамбли моделей
13. Наивный байесовский классификатор
14. Кластеризация

Лабораторные работы:

1. Разведочный анализ данных. Исследование и визуализация данных.
2. Изучение библиотек обработки данных
3. Обработка пропусков в данных, кодирование категориальных признаков, масштабирование данных
4. Подготовка обучающей и тестовой выборки, кросс-валидация и подбор гиперпараметров на примере метода ближайших соседей
5. Линейные модели, SVM и деревья решений
6. Ансамбли моделей машинного обучения

Домашнее задание:

1. Условия домашнего задания

Рубежные контроли:

1. Задания для РК №1
2. Задания для РК №2

Полезные ссылки:

1. Карта методов scikit-learn
2. Data Fest