Sberbank-ML 10.2018

======Первое занятие======

Лекция:

1. Историческая справка
2. Основные понятия и терминология
3. Примеры задач
4. Метрические классификаторы

Семинар:

1. Pandas
2. NumPy
3. Matplotlib

======Второе занятие======

Лекция:

1. Зоопарк моделей машинного обучения. Области применения
2. Линейные методы
3. Логические классификаторы
4. Решающие деревья
5. Беггинг и бутстреп
6. Ансамбли/композиции

Семинар: XGBoost, Kaggle

======Третье занятие======

Лекция:

1. Метрики качества
2. Препроцессинг данных
3. Выбор темы для финального проекта

======Полезные материалы======

1. Подробнее про параметрические и непараметрические методы:

https://medium.com/@zaidalissa/what-are-parametric-vs-nonparametric-models-8bfa20726f4d

2. Сайт с огромным количеством материалов, который можно использовать как справочник:

http://www.machinelearning.ru

3. Туториалы по основным библиотекам Python (к сожалению, без scikit-learn):

http://www.inp.nsk.su/~grozin/python/

4. Документация по scikit-learn:

http://scikit-learn.org/stable/

5. Туториал по CatBoost:

https://github.com/catboost/catboost/blob/master/catboost/tutorials/catboost_python_tutorial.ipynb

6. Блог DeepMind:

https://deepmind.com/blog/