- 1.1 Вводное занятие, основные задачи ML (06.02.2026)
- 1.2 Жизненный цикл и архитектура ML-решения. Работа с данными и ограничениями датасетов (07.02.2026)
- 1.3 EDA (20.02.2026)
- 1.4 EDA (продолжение), оптимизация pandas (21.02.2026)
- 2.1 Метрики классификации, регрессии (05.03.2026)
- 2.2 Базовые модели: линейная регрессия (06.03.2026)
- 2.3 Базовые модели: логистическая регрессия, knn, дерево решений (07.03.2026)
- 2.4 Предобработка: обработка категориальных переменных, масштабирование, пропуски, feature engineering. Кроссвалидация, оптимизация гиперпараметров (19.03.2026)
- 2.5 Ансамбли: бэггинг, бустинг, стекинг. Интерпретаци ансамблей: MDI, permutation importances, shap (20.03.2026)
- 2.6 Unsupervised обучение: кластеризация, поиск аномалий, снижение размерности (21.03.2026)
- 3.1 Введение в нейросети, PyTorch, MLP (02.04.2026)
- 3.2 Сверточные сети (03.04.2026)
- 3.3 CNN & RNN для текстов (16.04.2026)
- 3.4 Классификация с трансформерами (17.04.2026)
- 3.5 Дообучение LLM (SFT, Alignment) (30.04.2026)
Домашние задания
| # | Жесткий дедлайн |
|---|---|
| ДЗ 1 | 28.03.2025 20:00 мск |
| ДЗ 2 | 04.04.2025 20:00 мск |
| ДЗ 3 | 14.04.2025 20:00 мск |