Классическое Machine Learning: полный курс ★ 0.000

Полный курс по классическому Machine Learning от математических основ до продвинутых техник:

• Математика ML — линейная алгебра, матанализ, теория вероятностей, оптимизация, статистика
• Линейные модели — регрессия, логистическая регрессия, Ridge, Lasso, ElasticNet
• Деревья и ансамбли — CART, Random Forest, XGBoost, LightGBM, CatBoost, stacking
• SVM и метрические методы — KNN, SVM, kernel trick
• Кластеризация — KMeans, DBSCAN, иерархическая, GMM
• Снижение размерности — PCA, t-SNE, UMAP, LDA
• Feature Engineering — отбор признаков, создание, кодирование
• Интерпретируемость — SHAP, LIME, PDP, fairness
• Kaggle-проект — полный ML-пайплайн от EDA до submission

Курс содержит сотни практических заданий, математических выкладок и примеров кода.