Основы машинного обучения

Курс посвящён основам анализа данных и машинного обучения. По результатам слушатели освоят способы предобработки и визуализации данных, изучат основные методы машинного обучения (линейные, метрические, решающие деревья и их композиции), научатся оценивать качество моделей. Практика проходит на языке Python и основана на библиотеках pandas, matplotlib, scikit-learn. Для успешного прохождения курса  требуются знания математики на уровне школьных курсов, а также навыки программирования на Python. Контроль на курсе представлен в виде заданий на программирования, заданий на построение выводов (проверяются с помощью взаимного оценивания), а также тестов на знание теоретического материала.

Курс состоит из 11 недель, каждая включает в себя несколько коротких видеолекций (суммарная продолжительность — от 60 до 90 минут), тест на знание теоретического материала (5-15 вопросов), а также тест, включающий в себя выполнение задания по программированию. На некоторых неделях задание по программированию заменено заданием на взаимное оценивание. В конце курса предусмотрен итоговый экзамен, состоящий из тестов.

Python, библиотеки numpy, pandas, matplotlib, seaborn, scikit-learn

Освоение школьного курса математики, навыки программирования на Python

1. Основные понятия и задачи в машинном обучении
2. Метод k ближайших соседей
3. Линейная регрессия
4. Градиентный спуск
5. Линейная классификация
6. Логистическая регрессия и метод опорных векторов
7. Решающие деревья
8. Бэггинг и случайный лес
9. Градиентный бустинг
10. Обучение без учителя
11. Рекомендательные системы