machine-learning-with-love

Express course in ML to fell in love with ❤️

Авторы: Екатерина Кондратьева @katushka2ushka и Полина Полунина @ppolunina

В этом репозитории:

1. Лекция: Введение в Методы Машинного Обучения. Практикум: Python, GitHub, Collaboratory
2. Лекция и практикум. Обучение с учителем: Линейная и логистическая регрессия. Ядра.
3. Лекция и практикум. Обучение с учителем: Регуляризация в линейных моделях. Метод Ближайших Соседей (KNN)
4. Лекция и практикум. Обучение с учителем: Метод опорных векторов (SVM) для задач классификации и регрессии. Kernel SVM
5. Лекция и практикум. Обучение с учителем: Деревья решений (Decision Trees). Случайный лес (Random Forest).
6. Лекция и практикум. Обучение с учителем: Оценка качества алгоритмов машинного обучения. Bootstrap. Кросс-валидация. Grid search.
7. Лекция и практикум. Обучение без учителя: кластеризация. Поиск аномалий в выборке (Anomaly detection).
8. Лекция и практикум. Отбор и генерация признаков (Feature Engineering). Снижение размерности данных (PCA, ICA, Manifold learning)
9. Лекция и практикум. Стекинг, вотинг. Градиентный бустинг. Пакеты XGBoost, Catboost, LightGBM

Полезные ссылки:

• Введение в ML курс Open Data Science (ODS): https://mlcourse.ai/ И гитхаб соответсвующий: https://github.com/Yorko/mlcourse.ai
• Машинное обучение ВШЭ: https://github.com/esokolov/ml-course-hse/
• python: https://stepik.org/course/Программирование-на-Python-67
• Статистика: https://stepik.org/course/Основы-статистики-76
• Математика и матричные операции (очень трушный курс) Gilbert Strang lectures on Linear Algebra (MIT): https://www.youtube.com/playlist?list=PL49CF3715CB9EF31D
• python and SQL for (data organization) в поиске здесь: https://www.datacamp.com/

ML Тусовка:

• Slack датасайнc комьюнити: http://ods.ai Очень полезная вещь - канал #jobs
• Группа express_ml в Facebook: https://www.facebook.com/groups/expressml/

Соревы:

• Список : http://mltraiвсехnings.ru
• Популярная площадка: https://kaggle.com

Новые разработки в области машинного обучения:

• Топовые конференции: https://nips.cc/, https://icml.cc/
• Препринты публикаций: https://arxiv.org/list/stat.ML/recent

Вам не нужен этот курс, если вы легко можете в