Тема 1. Введение в анализ и прогнозирование данных
Первичный анализ данных с использованием описательных статистик и визуализации
Проверка статистических гипотез
Масштабирование, отбор, понижение размерности признаков
Оценка точности моделей
Практические занятия
Первичный анализ данных.
Проверка различных статистических гипотез.
Масштабирование, отбор и понижение размерности признаков.
Оценка точности построенных моделей.
Тема 2. Линейные модели для классификации
Логистическая регрессия
Линейный метод опорных векторов
Дискриминантный анализ
Практические занятия
Построение линейных модели для классификации.
Тема 3. Нелинейные модели для классификации
Метод ближайших соседей
Наивный байесовский классификатор
Деревья решений для классификации
Нейронные сети
Практические занятия
Построение нелинейных моделей для классификации.
Тема 4. Линейные модели для регрессии
Парная регрессия
Множественная регрессия
Полиномиальная регрессия
Регрессия с фиктивными переменными
Гребневая регрессия
Лассо регрессия
Эластичная сеть
Пуассоновская регрессия
Практические занятия
Построение линейной модели для регрессии.
Тема 5. Нелинейные модели для регрессии
Метод ближайших соседей
Деревья решений для регрессии
Байесовская регрессия
Ядерный метод опорных векторов
Нейронные сети
Практические занятия
Построение нелинейные модели для регрессии
Тема 6. Ансамбли и настройка параметров
Проект построения модели машинного обучения для классификации
Проект построения модели машинного обучения для регрессии
Практические занятия
Gостроение ансамблевых моделей, настройка параметров лучшего алгоритма.
Тема 7. Аттестация