Анализ данных [2022] [Высшая математика] [ШАД Helper] [Егор Илларионов]

Анализ данных [2022]
Высшая математика
ШАД Helper
Егор Илларионов

Пройдём все темы, обозначенные в требованиях к поступающим в ШАД по анализу данных. Прорешаем задачи прошлых годов. Лекция и семинар каждую неделю.

Автор программы - кандидат физико-математических наук и преподаватель мехмата МГУ - Илларионов Егор.

Цели курса:
1. Дать понимание математических основ машинного обучения
2. Освоить базовые инструменты чтения и препроцессинга разнородных данных
3. Научиться быстро собирать baseline модели и видеть способы улучшения
4. Получить навыки командной работы и совместной генерации идей
5. Сформировать community для начинающих и более опытных специалистов по анализу данных/машинному обучению.

Спойлер: Содержание

Модуль 1 - Основные задачи и инструменты машинного обучения.

• Настройка необходимого окружения.
• Полезные ссылки и ресурсы.
• Numpy, работа с числовыми данными, сэмплирование

Модуль 2 - Кластеризация: метрики и алгоритмы

• Pandas, работа с табличными данными, работа с пропущенными значениями, EDA

Модуль 3 - SVD, рекомендательная модель

• Визуализация данных Matplotlib, задача понижения размерности, PCA

Модуль 4 - Линейная регрессия

• Препроцессинг и очистка данных, соревнование

Модуль 5 - Логистическая регрессия, обобщенная линейная модель

• Feature engineering, классификация текстовых данных, соревнование

Модуль 6 - Переобучение: признаки, причины, методы устранения. Регуляризация

• Кросс-валидация, соревнование

Модуль 7 - Решающие деревья для регрессии и классификации

• Подбор гиперпараметров, соревнование

Модуль 8 - Ансамбли алгоритмов

• Итоговый хакатон, награждение победителей, рекомендации по дальнейшему обучению

Примечание: на момент создания темы актуальная цена не известна.

Продажник