- 2.1 Метрики классификации, регрессии (05.03.2026)
- 2.2 Базовые модели: линейная регрессия, логистическая регрессия, knn, дерево решений (13.03.2026)
- 2.3 Предобработка: обработка категориальных переменных, масштабирование, пропуски, feature engineering. Кроссвалидация, оптимизация гиперпараметров (19.03.2026)
- 2.4 Ансамбли: бэггинг, бустинг, стекинг. Интерпретаци ансамблей: MDI, permutation importances, shap (27.03.2026)
- 3.1 Основные архитектуры нейросетей: MLP, CNN, RNN, Transformers. Pytorch basics (02.04.2026)
- 3.2 CNN & RNN для текстов (16.04.2026)
- 3.3 Классификация с трансформерами (20.04.2026)
- 3.4 Современные LLM (24.04.2026)
- 3.5 Современные LLM - часть 2 (28.04.2026)
- 3.6 Дообучение LLM (SFT, Alignment) (30.04.2026)
- 3.7 RAG - часть 1 (08.05.2026)
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 |