MachineLearning_Summer_2023
Материалы семинаров курса "Машинное Обучение"
# |
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