/omsu_ml

Primary LanguageJupyter NotebookOtherNOASSERTION

Машинное обучение и анализ данных

Материалы занятий

  1. Лекция: Обзор машинного обучения и искусственного интеллекта. Cлайды
  2. Семинар: Python, Pandas, Numpy для анализа данных. Материалы
  3. Лекция: Постановка задачи машинного обучения. Теорема Байеса в ML.
  4. Лекция: Линейная регрессия.
  5. Семинар: Реализация линейной регрессию на numpy.
  6. Лекция: Классификация. Алгоритм kNN.
  7. Семинар: Реализация kNN на numpy.
  8. Лекция: Логистическая регрессия.
  9. Семинар: Кросс-валидация, метрики, sklearn
  10. Лекция: Решающие деревья. Бэггинг. Бустинг. Ансамбли.
  11. Семинар: Реализуем деревья.
  12. Лекция: Нейросети. Backprop.
  13. Семинар: Пишем простую нейронку на pytorch.
  14. Лекция: Свёрточные нейросети. Обработка изображения.
  15. Лекция: Трансформеры.
  16. Семинар: Делаем поиск по картинками на CLIP.

Что мне нужно из ПО и железа

  • Рекомендуем делать всё в Google Colab - это бесплатный облачный jupyter. Даже GPU есть для обучения нейросетей.
  • Можно делать на своем компе. Мы рекомендуем Linux.

Прочитайте подробную инструкцию по настройке окружения.

Дополнительные материалы

Открытые курсы

Литература