О курсе
Курс построен по принципу «в задачах и примерах»: каждый алгоритм машинного обучения мы сначала разбираем на пальцах, затем смотрим 16 подробно решённых примеров и закрепляем 16 задачами с автоматической проверкой плюс факультативом из 8 задач посложнее.
Все алгоритмы реализуются вручную на чистом Python (в песочнице доступны numpy, pandas и scikit-learn) — без магии библиотек. Так формулы из учебника превращаются в работающий код, а результаты библиотек перестают быть чёрным ящиком.
Темы курса: метод ближайших соседей, линейная и логистическая регрессия, метрики качества, деревья решений и случайный лес, кластеризация, наивный Байес, градиентный спуск, перцептрон и простые нейросети, обработка текста, рекомендательные системы, поиск и генетические алгоритмы, работа с данными в pandas, итоговый проект.
Для кого этот курс
Начальные требования
Базовый Python: переменные, циклы, списки, функции, чтение ввода. Математика на уровне 9–10 класса: квадратный корень, среднее, координаты точек. Всё остальное объясняется по ходу курса.
Программа курса
В курс входят
- 80 уроков
- 384 интерактивные задачи