Введение в анализ данных
О курсе
Первые несколько занятий данного курса посвящены знакомству с разделами математики, без которых сложно представить современный анализ данных — методами оптимизации, теорией вероятностей, математической статистикой. Далее изучаются линейные модели и решающие деревья — классы моделей, которые наиболее распространены в современном машинном обучении. Подробно рассматриваются их области применимости, особенности работы с различными типами данных, тонкости обучения и настройки. Также изучаются методы оценивания качества моделей (кросс-валидация) и основные метрики качества. На семинарах и в домашних заданиях мы будем предлагать решать реальные задачи — например, фильтрацию спама, оценивание стоимости жилья или распознавание рукописных цифр. В основном мы будем использовать библиотеку scikit-learn, содержащую много готовых методов машинного обучения — но иногда придется реализовать метод самостоятельно, чтобы лучше разобраться в его работе.Читается: 3-4 модуль 2 курса
Пререквизиты: Введение в программирование
Трудоемкость: 5 кредитов
72 аудиторных часа:
- 36 часов лекций;
- 36 часов семинаров.
Формы контроля:
- экзамен;
- 3 домашних задания.
Преподаватели
Соколов Евгений Андреевич
Департамент больших данных и информационного поиска: Старший преподаватель