festline/mail_ml_course repository overview

⁠Программа "Практический анализ данных и машинное обучение"

• Основы машинного обучения
  • Обучение с учителем. Задачи классификации и регрессии
  • Оценка качества алгоритмов машинного обучения
  • Обучение без учителя и задача кластеризации
  • Поиск выбросов и аномалий в данных
  • Индивидуальный проект по анализу данных
    • Ваши личные либо общедоступные данные и задачи
    • 1.5 месяца работы по четкому плану под руководством преподавателей
    • Презентации и обсуждение проектов
• Продвинутые методы машинного обучения
  • Ансамбли алгоритмов классификации и регрессии. Градиентный бустинг
  • Смешивание моделей классификации и регрессии. Стекинг моделей классификации и регрессии
  • Соревнования по анализу данных, обзор решений
• Нейронные сети и глубинное обучение
  • Введение в нейронные сети
  • Обучение сетей прямого распространения
  • Сверточные нейронные сети
  • Сети прямого распространения в анализе текстов

⁠Преподаватели

⁠Юрий Кашницкий⁠

Программист-исследователь Mail.ru Group, старший преподаватель факультета компьютерных наук НИУ ВШЭ, научный сотрудник Международной научно-учебной лаборатории интеллектуальных систем и структурного анализа. Имеет публикации, представленные на семинарах топовых конференций по искусственному интеллекту (IJCAI и ECAI) и машинному обучению (ECML/PKDD). В прошлом — разработчик Hadoop, бизнес-аналитик и Java-программист РДТЕХ.

⁠Алексей Воропаев⁠

Руководитель группы рекомендательных систем команды поиска Mail.ru Group.

⁠Инструкция по установке Docker-контейнера

В курсе используются тетрадки Jupyter, библиотеки Pandas, Scikit-learn, Xgboost, Vowpal Wabbit и некоторые другие. Все это можно не устанавливать, а использовать Docker-контейнер (требования: около 4 Гб места на диске, 4 Гб RAM). Введение⁠ в Docker. Рекомендуется тем, кто использует Windows, c *NIX проще самостоятельно установить необходимое (см. Dockerfile⁠).

Инструкция:

• скачать данный репозиторий
• на Windows скорее всего придется включить⁠ в BIOS виртуализацию, если раньше не использовали виртуальные машины или Docker
• установить Docker⁠
• перейти в командной строке/терминале в скачанный каталог mail_ml_course (cd PATH_TO_mail_ml_course)
• выполнить python run_docker_jupyter.py. Docker-образ скачается с hub.docker⁠
• при желании можно добавить установку дополнительных библиотек в Dockerfile⁠, собрать локально образ Docker: docker build -t <tag_name> . и выполнить python run_docker_jupyter.py -t <tag_name>
• открыть localhost:4545
• далее можно выполнить тетрадку check_docker.ipynb⁠ и убедиться, что нужные библиотеки подключаются

Контейнеры Docker, как правило, занимают много места на диске.

• docker ps – посмотреть весь список контейнеров
• docker stop $(docker ps -a -q) – остановить все контейнеры
• docker rm $(docker ps -a -q) – удалить все контейнеры
• docker images - посмотреть весь список образов
• docker rmi <image_id> – удалить ненужный образ

Доступная и понятная документация⁠ Docker с примерами