Курс по Машинному Обучению на МатМехе УрФУ

Формат:

Семинар с компьютером (как на курсе по Питону).

Каждую субботу с 10:40 до 13:00 в 621 аудитории (кроме праздников и форс-мажоров).

Будут видеозаписи. (Плейлист на youtube)

Посещаемость необязательна.

Основы Python и ООП на нем
Основы Теории Вероятности: матожидание, дисперсия, плотность, нормальное распределение.
Основы Алгебры. Матрицы, ранг матрицы, СЛУ.
Основы Мат. анализа. Взятие производной, взятие интегралов.

Для ФИИТа 2 курса - обязательный курс.

Для всех остальных - 6 зет спецкурсами. (Вы сами договариваетесь с преподами что вам ставить в учебный план)

Для ФИИТа 3 курса - ставим "Машинное обучение и Python" (3 зет) и "Теорию игр" (3 зет)
Для ФИИТа 4 курса - ставим "Машинное обучение и Python" (3 зет) и "Введение в машинное обучение" (3 зет)

Чтобы сдать курс сдать ДЗ и получить баллы в системе Ulearn.

Домашние задания сдаются в системе Ulearn Курс по МЛ

Необходимо подключиться к группе

Всего будет 12 домашек по 10 баллов (120 баллов суммарно) + доп баллы.

Домашнее задание дается на неделю (до 9 утра следующего понедельника (9 дней на дз)).

Через неделю стоимость сданной задачи уменьшается на 50%.

(27.02.21) Введение в анализ данных. Numpy. Pandas. (запись)
(06.03.21) Введение в машинное обучение. Байесовский классификатор. (запись)
(13.03.21) Линейная Регрессия. Градиентный спуск. (запись)
(20.03.21) Метрики. Обработка признаков. (запись)
(27.03.21) Деревья решений. Ансамбли деревьев. Случайный лес. (запись)
(03.04.21) Градиентный бустинг. (запись)
(13.04.21) Нейронные сети. Алгоритм обратного распространения ошибки. (запись)
(17.04.21) Сверточные нейронные сети. Распознавание изображений. (запись)
(24.05.21) Введение в NLP. Реккурентные нейронные сети.
(08.05.21) Transfer learning. Предобученные сети. Генеративные нейронные сети.
(15.05.21) Системы рекомендаций. Алгоритмы кластеризации.
(22.05.21) Практическое применение Машинного обучения.