Основы машинного обучения (вводный курс)

Сейчас термины «машинное обучение» и «искусственный интеллект» у всех на слуху. Вы сталкиваетесь с этими технологиями каждый день: когда ищете что-то в интернете (поисковик предлагает вам странички на основе сложного сопоставления текстов и анализа ваших данных); когда жалуетесь в службу поддержки какого-нибудь сервиса или магазина (с большой вероятностью вам отвечает бот); если у вас умные часы, то они, вероятно, используют методы машинного обучения, чтобы понимать, когда вы сидите, стоите или бегаете. На этом курсе вы можете разобраться с принципами работы методов машинного обучения. Речь пойдет об обучении с учителем — областью, которая изучена лучше всего и методы из которой наиболее часто используются на практике. Мы обсудим метрические и линейные методы, и на их примере разберем все ключевые концепции: обобщающую способность и переобучение, градиентные методы обучения, измерение качества модели и специализированные метрики качества, подготовку данных для моделей. Мы узнаем, как это всё делается в Python с помощью его библиотек.

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