Семинарист: Надежда Чиркова
Почта семинариста: [email protected]
Телеграм: @nadiinchi
Ассистент: Максим Першин
После семинара, в 21:00, к. 506.
- Проверочные на семинарах по последним лекциям
- Практические задания + соревнования
- Две контрольные работы (в конце каждого модуля): по теории и задачам
- Теоретические домашние задания (контроль определим позже)
Информация о практических заданиях и сроках на вики курса.
Логины Яндекс. контеста:
- залогиниться в Яндексе (предварительно зарегистрировавшись, если у вас еще нет логина);
- зайти на contest.yandex.ru (чтобы автоматически создался логин контеста)
- записать свои ФИО и логин в таблицу: https://goo.gl/hA9rPg
Семинар 1. Введение в машинное обучение и основные библитотеки для анализа с данными.
- Презентация
- Материалы по python (нужно понимать основные принципы загрузки модулей, работу с файлами, основные структуры данных, циклы/условия, функции, классы - последнее не срочно):
- Материалы по numpy:
- Материалы по pandas:
Семинар 2. Обучение линейной регрессии
- Материалы семинара
- Jupyter notebook с иллюстрациями GD и регрессии (для самостоятельного изучения)
- Теор. домашнее задание 1
Семинар 3. Функции потерь в регрессии.
Семинар 4. Задача про ранний останов. Метрики качества бинарной классификации
- Материалы по AUC ROC (закончим на след. семинаре)
- Решение задачи по ранний останов
- Блог пост про кривую точность-полнота
- Домашнее задание (задачи 1, 3)
Дополнительный семинар по программированию. Numpy, pandas
Семинар 5. Окончание семинара про ROC-кривую. Методы линейной классификации
- Материалы по AUC ROC
- Материалы по корректному предсказанию вероятностей
- Домашнее задание (задачи 2, 4), Еще домашнее задание (задачи 1-3)
Дополнительный семинар по программированию. Matplotlib & seaborn, sklearn
Семинар 6. Защита домашних работ
Семинар 7. Метрические методы
Семинар 8. Решающие деревья
Семинар 9. Разложение на смещение и разброс.
- Конспект
- Домашнее задание (задачи 1, 2, 4)
Семинар 10. Градиентный бустинг.
Семинар 11. Обзор композиционных методов, их настройка.
- Практическое задание
- Ноутбук с визуализациями и рекомендациями по настройке гиперпараметров
- Домашнее задание (задача 3)
- Курс Дьяконова А. Г. с большим числом материалов по теме
Семинар 12. Нейронные сети
Семинар 13. Визуализация данных, методы генерации признаков