Машинное обучение I Основные понятия, решающие деревья, бустинг и бэггинг Практика на sklearn

Первое занятие курса посвящено классическим методам. Сперва мы рассмотрим общую постановку задач машинного обучения, разберемся, какими они бывают. Далее изучим метрический классификатор kNN и его модификации, рассмотрим решающие деревья и случайные леса, а также начнем разбираться с линейными моделями.

С одной стороны, курс не будет требовать серьезных знаний математики, поэтому рассчитан на довольно широкую аудиторию.
С другой стороны, в курсе все равно будет подробно рассматриваться теория (пусть и без доказательства теорем и сложных математических выводов), чтобы у слушателей сложилось полное понимание работы алгоритмов, и они не воспринимали Машинное обучение как «магию», которую надо повызывать из Питона, и она почему-то сработает (или нет).
Также, в отличие от полностью теоретических курсов, будет подробно обсуждаться и практическая часть: какие есть реализации алгоритмов в Питоне и как ими пользоваться.

Практика и все сопутствующие материалы будут выложены на сайте курса plyus.pw/ml2020

Преподаватель курса: ассистент кафедры информатики МФТИ Плюснин Павел

Проведи самоизоляцию с пользой! Присоединяйся к трансляции!