На курсе по машинному обучению вы получите реальный опыт решения практических задач с помощью инструментов анализа данных!
Программа курса
1. Введение
Основные понятия машинного обучения, Python для анализа данных
2. Классификация
Задача классификации, метрики, непераметрические методы, линейные классификаторы, логические методы: деревья решений, наивный байес
3. Восстановление регрессии
Метрики, постановка задачи, модели из классификации которые можно использовать для регрессии, линейные алгоритмы
4. Ансамблирование
Бэггинг (bagging), случайный лес (Random Forest), бустинг (boosting), стекинг
5. Feature engineering (Работа с признаками)
Работа с признаками
6. Задачи кластеризации
Кластеризация
7. Работа над коммерческим проектом
Методология решения задачи с учителем (crisp dm) + Реальный кейс (предсказание и кластеризация оттока)
Подробнее здесь.