Тема 1
Введение в машинное обучение и анализ данных.

Тема 2
Виды задач и виды признаков. Метод k ближайших соседей для классификации. Вычисление расстояний для числовых данных.

Тема 3
Измерение ошибки в задачах классификации. Обобщающая способность. Проверка обобщающей способности: отложенная выборка и кросс-валидация. Метод k ближайших соседей.

Семинар 1
Немного про Jupyter notebook и numpy

Семинар 2
Объектно-ориентированное программирование

Семинар 3
pandas

Семинар 4
Визуализация данных

Семинар 5
Введение в sklearn KNN

Тема 4
Модель линейной регрессии. Подготовка данных для линейной регрессии. MSE для линейной регрессии в матричной форме.

Тема 5
Модель линейной регрессии. Подготовка данных для линейной регрессии. Переобучение и регуляризация линейных моделей.

Тема 6
Линейная регрессия и градиентный спуск.

Тема 7
Функции потерь в регрессии. Линейная классификация.

Тема 8
Линейная классификация.

Тема 9
Метрики качества классификации.

Тема 10
Логистическая регрессия и метод опорных векторов

Тема 11
Метод опорных векторов, многоклассовая классификация

Семинар 6
Линейная регрессия

Семинар 7
Градиентный спуск

Семинар 8
Бинарная линейная классификация

Семинар 9
Логистическая регрессия. SVM. ROC-кривая

Семинар 10
Задачи условной оптимизации и теорема Куна-Таккера.

Семинар 11
Калибровка вероятностей

Тема 12
Ядровые методы

Тема 13
Ядровой метод опорных векторов. Аппроксимация ядер.

Семинар 12
Обработка текстов: токенизация, лемматизация, стемминг. Bag-of-words и TF-IDF. Регулярные выражения.

Тема 14
Решающие деревья

Тема 15
Решающие деревья. Композиции моделей.

Тема 16
Градиентный бустинг.

Тема 17
Градиентный бустинг. (продолжение). Отбор признаков.

Семинар 13
Решающие деревья

Семинар 14
Bias-Variance decomposition, бэггинг и случайные леса

Семинар 15
Бустинг. Часть 1
(Идея подхода, функции потерь, особенности GB)

Семинар 16
Бустинг. Часть 2
(Различные реализации бустинга)

Тема 18
Кластеризация.

Тема 19
ЕМ-алгоритм.

Тема 20
ЕМ-алгоритм. Одноклассовая классификация.

Тема 21
Одноклассовая классификация.

Тема 22
Поиск аномалий. Спектральная кластеризация.

Тема 23
Кластеризация. Тематическое моделирование.

Семинар 17
Кластеризация

Семинар 18
EM-алгоритм

Семинар 19
Байесовские методы машинного обучения.

Семинар 20
Машинное обучение на графах.

Семинар 21
Кластеризация на графах.

Тема 24
Отбор признаков

Тема 25
Метрические методы.

Тема 26
Быстрый поиск ближайших соседей 1.

Тема 27
Быстрый поиск ближайших соседей 2.

Семинар 22
Отбор признаков

Семинар 23
kNN.

Семинар 24
Обучение метрик.

Семинар 25
Multi-label классификация.

Тема 28
Обучение ранжированию 1.

Тема 29
Обучение ранжированию 2.

Тема 30
Рекомендательные системы 1.

Тема 31
Рекомендательные системы 2.

Семинар 28
Рекомендательные системы.

Тема 32
Временные ряды 1

Тема 33
Временные ряды 2

Семинар 26
Time Series. ETNA.

Семинар 27
Time Series 2.

Тема 34
Продуктовая аналитика 1.

Тема 35
Продуктовая аналитика 2.

Семинар 29
Статистика и A/B тестирование.

Тема 36
MLOps.

Семинар 30
MLOps