PYML: Курс Введение в машинное обучение — обучение по программе в России

Теоретическая часть: основные понятия; классификация задач, решаемых с помощью методов машинного обучения; виды данных, понятие датасета (2 часа). Практическая часть: первичный анализ датасета, предобработка данных (2 часа).

Теоретическая часть: определение и примеры задач классификации. Математическое описание модели решающего дерева в задачи бинарной классификации. Метрики бинарной классификации (2 часа). Практическая часть: решение задач бинарной и множественной классификаций (2 часа).

Теоретическая часть: определение и примеры задач регрессии. Математическое описание модели линейной регрессии. Метрики задач регрессии. Способы регуляризации (2 часа). Практическая часть: решение задачи регрессии (2 часа).

Теоретическая часть: определение и примеры задач кластеризации. Математическое описание модели kNN. Связь кластеризации с понижением размерности пространства объектов датасета (2 часа). Практическая часть: решение задачи кластеризации и понижения размерности данных (2 часа).

Теоретическая часть: введение в NLP, обработка текстовых данных, векторные представления текста (2 часа). Практическая часть: решение задачи классификации на текстовом корпусе (2 часа).

Теоретическая часть: сериализация/десериализация объектов в Python, фреймворк Flask (2 часа). Практическая часть: создание веб-сервиса на фреймворке Flask (2 часа).