Назад
О курсе
Что мы изучаем на курсе
Модуль 1. Python
1. Основы синтаксиса
2. Структуры данных
3. Пользовательские функции
4. Файлы
5. Работа с модулями
6. Объектно-ориентированное программирование
2. Структуры данных
3. Пользовательские функции
4. Файлы
5. Работа с модулями
6. Объектно-ориентированное программирование
Модуль 2. Математика
1. Линейная алгебра (матрицы и вектора, операции над матрицами, виды матриц и их свойства, определитель матрицы; cобственные вектора; решение системы линейных уравнений)
2. Теория вероятности (понятие вероятности и случайной величины, свойства вероятностей, основные статистики, условная вероятность и формула Байеса, распределения вероятностей)
3. Математический анализ (свойства основных функций, производная функции многих переменных, производная сложной функции, пределы)
2. Теория вероятности (понятие вероятности и случайной величины, свойства вероятностей, основные статистики, условная вероятность и формула Байеса, распределения вероятностей)
3. Математический анализ (свойства основных функций, производная функции многих переменных, производная сложной функции, пределы)
Модуль 3. Машинное обучение и анализ данных
1. Введение. Первичный анализ данных.
2. Постановки задач машинного обучения.
3. Градиентный спуск. Введение в numpy.
4. Логистическая регрессия. Переобучение.
5. Переобучение и борьба с ним
6. Работа с признаками.
7. Метод опорных векторов. Многоклассовая классификация.
8. Решающие деревья.
9. Композиции.
10. Градиентный бустинг. CatBoost и XGBoost.
11. Кластеризация.
12. Полносвязные нейронные сети.
2. Постановки задач машинного обучения.
3. Градиентный спуск. Введение в numpy.
4. Логистическая регрессия. Переобучение.
5. Переобучение и борьба с ним
6. Работа с признаками.
7. Метод опорных векторов. Многоклассовая классификация.
8. Решающие деревья.
9. Композиции.
10. Градиентный бустинг. CatBoost и XGBoost.
11. Кластеризация.
12. Полносвязные нейронные сети.
Преподаватели
Камскова Инна Дмитриевна
Троицкий Роман Всеволодович
Вильданов Вадим Кадирович