Математические методы машинного обучения

Мы стартуем с самых простых вопросов: что такое машинное обучение, зачем оно нужно и какие задачи решает. Затем шаг за шагом освоим классические модели: линейную и логистическую регрессию, деревья решений, случайные леса, градиентный бустинг и метод опорных векторов. Вы научитесь не только обучать модели, но и правильно оценивать их качество, а также поймёте, что такое переобучение и как с ним бороться.

Во второй части курса перейдём к нейронным сетям. Разберём, как они устроены, научимся строить их в PyTorch / Keras и TensorFlow, а затем познакомимся с современными архитектурами: рекуррентными сетями, механизмом внимания, трансформерами и генеративно-состязательными сетями. В финале заглянем в трёхмерное глубокое обучение.

Вся теория подкреплена практикой на Python. Вы будете решать реальные задачи: предсказывать цены на такси, анализировать настроение текстов, классифицировать изображения.