Разделы программы:

1. Задачи машинного обучение (МО): регрессия, классификация, кластеризация, выявления аномальных значений.

2. Основные алгоритмы для решения задач МО: МНК, RandomForest, Матричная факторизация, логистическая регрессия и др.

3. Прикладные примеры в Python.

• Задача регрессии. Построение прогнозной модели стоимости медицинской страховки в зависимости от различных факторов. Нахождении функции потерь (Losses) и оценка метрик качества полученной модели.

• Модели кластеризации для построения рекомендательных систем. На примере рекомендательных систем Netflix.

4. Создание умных чат-ботов.

5. Методы кодирования и обработки неструктурированной информации.

6. Линейные методы классификации для больших данных.

7. Технологии нейронных сетей для обработки больших данных.

8. Критерий выбора моделей и методы отбора признаков при анализе больших массивов многомерных данных.

9. Логические методы классификации. Методы кластеризации при работе с большими данными.