- Для всех
- С сертификатом
- На русском языке
- 72 часа
- 3 200₽
Чему вы научитесь
Решать задачи классификации, регрессии, кластеризации
Оценивать качество алгоритмов, преобразования признаков
Решать реальные задачи анализа данных
Прогнозировать временные ряды
Содержание курса
- 1 курс
- 12 модулей
- 12 тем
- 72 часа
- Введение
- Вводные слова о машинном обучении.
- Простейшие примеры применения машинного обучения.
- Оценка качества алгоритма.
- Примеры из жизни.
- Задача классификации.
- Байесовский классификатор.
- Задачи кластеризации и регрессии.
- Наиболее часто используемые методы.
- Качество и признаки.
- Переобучение и недообучение.
- Инструменты.
- Метрики качества. Работа с признаками, постановка задач
- Accuracy, precision, recall.
- ROC-AUC.
- Метрики качества в задачах регрессии.
- Оптимизация метрик.
- Работа с признаками.
- Генерация признаков.
- Отбор признаков.
- Преобразование признаков.
- PCA: подробности.
- Пример: рекомендации товаров.
- Решающие деревья в задачах классификации и регрессии
- Решающие деревья.
- Как строить решающие деревья.
- Ансамбли деревьев.
- Линейные модели.
- Пример: классификация музыки по жанрам.
- Решающие деревья: дополнительные темы.
- Построение ансамблей. Random Forest и Gradient Forest
- Обзор методов построения композиций.
- Бустинг.
- Усреднение моделей.
- Леса решающих деревьев.
- Градиентный бустинг над деревьями.
- Сравнения композиций алгоритмов.
- Ансамбли деревьев: дополнительные темы.
- Смещение и разброс.
- Разброс усреднённой модели.
- XGBoost.
Сертификат от МФТИ Физтех
Подтвердит, что вы прошли курс, и усилит ваше портфолио или резюме.