======Первое занятие======
Лекция:
- Историческая справка
- Основные понятия и терминология
- Примеры задач
- Метрические классификаторы
Семинар:
- Pandas
- NumPy
- Matplotlib
======Второе занятие======
Лекция:
- Зоопарк моделей машинного обучения. Области применения
- Линейные методы
- Логические классификаторы
- Решающие деревья
- Беггинг и бутстреп
- Ансамбли/композиции
Семинар: XGBoost, Kaggle
======Третье занятие======
Лекция:
- Метрики качества
- Препроцессинг данных
- Выбор темы для финального проекта
======Полезные материалы======
- Подробнее про параметрические и непараметрические методы:
https://medium.com/@zaidalissa/what-are-parametric-vs-nonparametric-models-8bfa20726f4d
- Сайт с огромным количеством материалов, который можно использовать как справочник:
- Туториалы по основным библиотекам Python (к сожалению, без scikit-learn):
http://www.inp.nsk.su/~grozin/python/
- Документация по scikit-learn:
http://scikit-learn.org/stable/
- Туториал по CatBoost:
- Блог DeepMind: