- Лекция: Введение в Методы Машинного Обучения. Практикум: Python, GitHub, Collaboratory
- Лекция и практикум. Обучение с учителем: Линейная и логистическая регрессия. Ядра.
- Лекция и практикум. Обучение с учителем: Регуляризация в линейных моделях. Метод Ближайших Соседей (KNN)
- Лекция и практикум. Обучение с учителем: Метод опорных векторов (SVM) для задач классификации и регрессии. Kernel SVM
- Лекция и практикум. Обучение с учителем: Деревья решений (Decision Trees). Случайный лес (Random Forest).
- Лекция и практикум. Обучение с учителем: Оценка качества алгоритмов машинного обучения. Bootstrap. Кросс-валидация. Grid search.
- Лекция и практикум. Обучение без учителя: кластеризация. Поиск аномалий в выборке (Anomaly detection).
- Лекция и практикум. Отбор и генерация признаков (Feature Engineering). Снижение размерности данных (PCA, ICA, Manifold learning)
- Лекция и практикум. Стекинг, вотинг. Градиентный бустинг. Пакеты XGBoost, Catboost, LightGBM
- Введение в
MLкурсOpen Data Science (ODS): https://mlcourse.ai/ И гитхаб соответсвующий: https://github.com/Yorko/mlcourse.ai - Машинное обучение ВШЭ: https://github.com/esokolov/ml-course-hse/
python: https://stepik.org/course/Программирование-на-Python-67- Статистика: https://stepik.org/course/Основы-статистики-76
- Математика и матричные операции (очень трушный курс)
Gilbert Strang lectures on Linear Algebra (MIT): https://www.youtube.com/playlist?list=PL49CF3715CB9EF31D pythonandSQLfor (data organization) в поиске здесь: https://www.datacamp.com/
Slackдатасайнc комьюнити: http://ods.ai Очень полезная вещь - канал#jobs- Группа express_ml в Facebook: https://www.facebook.com/groups/expressml/
- Список : http://mltraiвсехnings.ru
- Популярная площадка: https://kaggle.com
- Топовые конференции: https://nips.cc/, https://icml.cc/
- Препринты публикаций: https://arxiv.org/list/stat.ML/recent
