Онлайн-курс по искусственному интеллекту и анализу данных

1. Основы синтаксиса

---

2. Структуры данных

---

3. Пользовательские функции

---

4. Файлы

---

5. Работа с модулями

---

6. Объектно-ориентированное программирование

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)

1. Введение. Первичный анализ данных.

---

2. Постановки задач искусственного интеллекта.

---

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.

---

13. Обзор пройденного за курс. Воркшоп по решению "боевой" задачи