Введение в машинное обучение и инструменты
Numpy, Pandas, Jupyter Notebook, Оптимизация обработки данных, Визуализация данных, Exploratory Data Analysis, Основные задачи в машинном обучении.
Базовые алгоритмы и техники машинного обучения
Основные метрики классификации и регрессии, Линейная регрессия, деревья решений, SVM, Кроссвалидация и воспроизводимость.
Продвинутые алгоритмы машинного обучения
Ансамблирование, случайный лес, градиентный бустинг, оптимизация гиперпараметров и feature engineering, интерпретация моделей (Shap, LIME), машинное обучение без учителя (кластеризация, аномалии)