Курс "Машинное обучение для анализа научных данных"
реализуется совместно с Al Talent Hub ИТМО.
На базовом треке научитесь:
формулировать вопросы для исследований и подбирать подходящие методы машинного обучения
осуществлять подготовку данных, строить визуализации и находить описательные статистики
выбирать подходящие метрики качества для конкретных задач
использовать модели машинного обучения, такие как: линейная/логистическая регрессии, метод k-ближайших соседей, деревья решений, случайный лес, градиентный бустинг для решения задач классификации и регрессии
подбирать и оптимизировать гиперпараметры моделей с помощью библиотеки Scikit-Learn
интерпретировать полученные результаты
обеспечивать воспроизводимость экспериментов на уровне кода и данных
На продвинутом треке научитесь:
создавать интерактивные визуализации
подбирать и оптимизировать гиперпараметры моделей с помощью библиотеки Optuna
использовать предобученные нейросети для решения NLP задач (обработка естественного языка)
применять инструменты AutoML (автоматическое машинное обучение)
- Учитель: Кристина Желтова