Материалы семинаров курса "Машинное Обучение"
- Автор курса и лектор: Александр Дьяконов
- Семинаристы:
# | Дата | Tема | Материалы |
---|---|---|---|
1 | 07.08.23 | Работа с Jupyter Notebook. Введение в Python | github |
2 | 14.08.23 | Введение в ООП | github |
3 | 21.08.23 | Библиотеки Numpy + Scipy | github |
4 | 28.09.23 | Библиотека Pandas | github |
5 | 04.09.23 | Визуализация данных (Matplotlib ) | github |
6 | 11.09.23 | Визуализация данных (Seaborn+Plotly) | github github |
7 | 18.09.23 | Введение в Scikit-Learn | github |
18.09.23 | Оценка качества моделей, кросс-валидация, подбор гиперпараметров | github | |
8 | 25.09.23 | Линейные модели | github |
9 | 04.10.23 | Ядерные методы. Машина опорных векторов | github |
10 | 09.10.23 | Рабор домашнего задания. Деревья решений. | github |
11 | 16.10.23 | Деревья решений. Бэггинг и бустинг. Примеры, визуализации | github |
12 | 23.10.23 | Ансамбли моделей. Блендинг и стекинг. Примеры, визуализации | github |
13 | 30.10.23 | Предобработка данных. Конвейеры обработки данных в Scikit-learn | github |
14 | 06.11.23 | Методы отбора признаков для линейных и деревянных моделей | github |
15 | 13.11.23 | K-means. Метрики для выбора моделей | github |
16 | 20.11.23 | Финальное занятие | github |
# | Дата | Tема | Материалы |
---|---|---|---|
1 | 13.09.23 | Метод ближайших соседей, линейные модели | github |
- Kevin P. Murphy: Probabilistic Machine Learning: An Introduction
- Jake VanderPlas: Python Data Science Handbook, 2nd Edition