Тренировки по Machine Learning
Оставьте заявку, чтобы не пропустить новый сезон
Первые Тренировки по ML посвящены классическому машинному обучению
Если вы хотите повысить вероятность пройти отбор в компанию, можете совмещать ML-тренировки с тренировками по алгоритмам.
Какие награды вас ждут
Программа
-
Открытие Тренировок
-
Задачи машинного обучения в очевидных и неочевидных местах. Формальная постановка задачи обучения с учителем. Основные понятия в машинном обучении.
Скалярное произведение, метрика, линейные пространства. Метод ближайших соседей.
Радослав НейчевВыпускник и преподаватель ШАД и МФТИ, старший разработчик Яндекса, сооснователь girafe-aiВводная по ML + knn
-
Линейная регрессия. Аналитическое и градиентное решения. Неустойчивость решения. Теорема Гаусса-Маркова.
Ограничения на вектор параметров.
L1 и L2 регуляризация, их влияние на решение.Радослав НейчевВыпускник и преподаватель ШАД и МФТИ, старший разработчик Яндекса, сооснователь girafe-aiЛинейная регрессия и регуляризация
-
Линейные механизмы классификации. Отступ. Логистическая функция потерь. Hinge loss.
Правдоподобие, метод максимального правдоподобия.
Логистическая регрессия и бернуллиевская случайная величина.
Радослав НейчевВыпускник и преподаватель ШАД и МФТИ, старший разработчик Яндекса, сооснователь girafe-aiЛинейная классификация, метод максимального правдоподобия
-
Процедура построения деревьев регрессии и классификации. Жадный алгоритм. Информационные критерии.
Бутстрап, бэггинг. «Мудрость толпы». Случайный лес.
Особые свойства решающих деревьев.
Радослав НейчевВыпускник и преподаватель ШАД и МФТИ, старший разработчик Яндекса, сооснователь girafe-aiРешающие деревья, композиции деревьев, Random Forest
-
Информация дополняется
Аркадий ЛысяковВыпускник и преподаватель МФТИ, руководитель команды аналитики Картинок ЯндексаРазбор домашнего задания 1
-
Интуитивное объяснение механизма бустинга.
Градиентный бустинг. Ограниченя на базовые алгоритмы и функции потерь.
Различия в применении различных методов ансамблирования: бустинга и бэггинга.
Радослав НейчевВыпускник и преподаватель ШАД и МФТИ, старший разработчик Яндекса, сооснователь girafe-aiГрадиентный бустинг, тонкости обучения
-
Основы Deep Learning. Нейронные сети как развитие «классических» моделей машинного обучения.
Построение моделей с учетом свойств данных. Инвариантность, эквивариантность.
Радослав НейчевВыпускник и преподаватель ШАД и МФТИ, старший разработчик Яндекса, сооснователь girafe-aiОбзорная лекция по DL
-
Информация дополняется
Аркадий ЛысяковВыпускник и преподаватель МФТИ, руководитель команды аналитики Картинок ЯндексаРазбор домашнего задания 2
-
Методы оценки значимости признаков. Permutation importance. LIME. Shap values.
Задачи обучения без учителя: кластеризации, снижения размерности.
Радослав НейчевВыпускник и преподаватель ШАД и МФТИ, старший разработчик Яндекса, сооснователь girafe-aiОценка значимости признаков, обучение без учителя
-
Бонусная встреча, описание появится позже.
Радослав НейчевВыпускник и преподаватель ШАД и МФТИ, старший разработчик Яндекса, сооснователь girafe-aiБонусная встреча. Как перейти от теории к практике
-
Информация дополняется
Аркадий ЛысяковВыпускник и преподаватель МФТИ, руководитель команды аналитики Картинок ЯндексаРазбор домашнего задания 3
-
Информация дополняется
Аркадий ЛысяковВыпускник и преподаватель МФТИ, руководитель команды аналитики Картинок ЯндексаРазбор домашнего задания 4
-
Онлайн-награждение участников
Закрытие Тренировок
Напишите, если остались вопросы: intern@yandex-team.ru