Machine Learning. Basic от Otus

Модуль 1. Введение в Python

• Тема 1. Знакомство. Настройка окружения для работы

• Тема 2. Базовые типы и структуры данных. Управление потоком

• Тема 3. Работа с функциями и данными

• Тема 4. Git, shell

Модуль 2. Введение в Python. ООП, модули, базы данных

• Тема 5. Основы ООП

• Тема 6. Продвинутый ООП, исключения

• Тема 7. Продвинутый ООП, продолжение

• Тема 8. Модули и импорты

• Тема 9. Тесты

• Тема 10. Знакомство со встроенными модулями

• Тема 11. Файлы и сеть

Модуль 3. Основы Python для ML

• Тема 12. Основы NumPy

• Тема 13. Основы Pandas

• Тема 14. Визуализация данных

Модуль 4. Теоретический минимум для ML: математика, линал, статистика

• Тема 15. Матрицы. Основные понятия и операции

• Тема 16. Практика. Матрицы

• Тема 17. Дифференцирование и оптимизация функций

• Тема 18. Практика. Дифференцирование и оптимизация функций

• Тема 19. Алгоритмы и вычислительная сложность

• Тема 20. МНК и ММП

• Тема 21. Практика. МНК и ММП

• Тема 22. Случайные величины и их моделирование

• Тема 23. Практика. Случайные величины и их моделирование

• Тема 24. Исследование зависимостей: номинальные, порядковые и количественные величины

• Тема 25. Практика. Исследование зависимостей: номинальные, порядковые и количественные величины

• Тема 26. AБ тестирование

Модуль 5. Основные методы машинного обучения

• Тема 27. Введение в машинное обучение

• Тема 28. Exploratory Data Analysis and Preprocessing

• Тема 29. Задача регрессии. Линейная регрессия

• Тема 30. Задача классификации. Метод ближайших соседей

• Тема 31. Логистическая регрессия

• Тема 32. Деревья решений

• Тема 33. Ансамбли моделей

• Тема 34. Feature engineering & advanced preprocessing

Модуль 6. Проектная работа

• Тема 35. Выбор темы проекта

• Тема 36. Консультация в формате предзащиты

• Тема 37. Защита проекта