Содержание пакета (2 курса)
1. Machine Learning и Data Science: подготовка к собеседованиям 5.00
Введение
6 уроков
1.
Описание курса и правил
↗
2.
Процесс отбора в DS / ML
↗
3.
Как проходит ML техническое интервью
↗
4.
Что такое обучение
↗
5.
Каким бывает машинное обучение
↗
6.
Вопросы с собеседований
↗
Ориентация и формат технических собеседований
15 уроков
1.
Описание курса и правил
↗
2.
🔒 Пилотный поток (временный шаг)
↗
3.
Процесс отбора в DS / ML
↗
4.
Как проходит ML техническое интервью
↗
5.
Что такое обучение
↗
6.
Каким бывает машинное обучение
↗
7.
Python 1
↗
8.
Python 2
↗
9.
Семинары по NumPy
↗
10.
Семинар по matplotlib
↗
11.
Семинар по pandas
↗
12.
Математический анализ
↗
13.
Вопросы с собеседований: математика
↗
14.
Вопросы с собеседований: python
↗
15.
Вопросы с собеседований: pandas
↗
Линейная регрессия и градиентный спуск
6 уроков
1.
Обозначения
↗
2.
Линейная регрессия
↗
3.
Градиентный спуск
↗
4.
Линейная регрессия и оптимизация
↗
5.
Семинар. Оптимизация
↗
6.
Вопросы с собеседований
↗
Логистическая регрессия и переобучение
6 уроков
1.
Задача классификации
↗
2.
Переобучение
↗
3.
Регуляризация
↗
4.
Отбор признаков
↗
5.
Кросс-валидация
↗
6.
Семинар. Реализация логистической регрессии
↗
Метрики качества
3 урока
1.
Метрики качества регрессии
↗
2.
Метрики качества классификации
↗
3.
Семинар. Sklearn
↗
Решающие деревья
6 уроков
1.
Идея решающих деревьев
↗
2.
Обучение решающих деревьев
↗
3.
Регуляризация решающих деревьев
↗
4.
Обработка категориальных признаков
↗
5.
Семинар. Решающие деревья (часть 1)
↗
6.
Семинар. Решающие деревья (часть 2)
↗
Ансамбли
5 уроков
1.
Смещение и разброс
↗
2.
Уменьшение ошибки ансамблями
↗
3.
Случайный лес
↗
4.
Градиентный бустинг
↗
5.
Семинар. Реализация ансамблей
↗
Обучение без учителя
3 урока
1.
Задачи обучения без учителя
↗
2.
Кластеризация
↗
3.
Семинар. Кластеризация
↗
Экзамен.
1 урок
1.
Задача
↗
СПЕЦПРЕДЛОЖЕНИЕ
1 урок
1.
Предложение до 4го сентября включительно
↗
Нужны ли Вам групповые занятия?
1 урок
1.
Зачем здесь практика
↗
2. Machine Learning и Data Science: практика Python и pandas
Введение и основы Python
2 урока
1.
Как работать с курсом
↗
2.
Основы Python
↗
NumPy: массивы и разбиение данных
1 урок
1.
NumPy: массивы и разбиение данных
↗
Визуализация, анализ данных и scikit-learn
3 урока
1.
Matplotlib и Seaborn: визуализация данных
↗
2.
С собеседования: VK — анализ CTR на Pandas
↗
3.
С собеседования: Т-Банк — новый признак в scikit-learn
↗
Математика для DS/ML-интервью
1 урок
1.
Математика для DS/ML-интервью
↗
Вопросы с собеседований
3 урока
1.
Вопросы с собеседований: математика
↗
2.
Вопросы с собеседований: Python
↗
3.
Вопросы с собеседований: работа с данными
↗