Продвинутые методы машинного обучения

В данном онлайн-курсе мы затронем три темы. Первая – решающие деревья и их композиции. Эти методы сильно отличаются от линейных, поскольку не являются дифференцируемыми и для их обучения нужны специальные подходы. В то же время композиции деревьев являются крайне мощными алгоритмами, которые широко используются при работе с табличными данными. Особенно подробно мы разберём градиентный бустинг — де-факто стандартный подход для решения сложных задач извлечения закономерностей из данных. Вторая тема – обучение без учителя. Мы поговорим про методы кластеризации, визуализации и понижения размерности. Эти подходы позволяют находить закономерности в данных, даже если у нас нет правильных ответов. Третья тема – рекомендательные системы. Мы обсудим, как уже известные методы можно применять для их построения, а также какая специфика в них возникает.

Знание Python и основ высшей математики (матрицы и операции с ними, производные и градиенты).