Вводная часть курса
ОПЦИОНАЛЬНО: Экспресс-курс по Python
Этапы работ по машинному обучению
NumPy
Pandas
Matplotlib
Seaborn
Большой Проект по Визуализации Данных
Обзор Машинного Обучения
Линейная Регрессия
Конструирование признаков (Feature Engineering) и подготовка дан
Кросс-валидация и Проверочный проект по линейной регрессии
Логистическая регрессия
Метод К-ближайших соседей (KNN - K-Nearest Neighbors)
Метод опорных векторов (SVM - Support Vector Machines)
Деревья решений - Decision Trees
Случайные леса - Random Forests
Бустинг и Расширяемые деревья - Boosted Trees
Проверочный проект по моделям обучения с учителем (Supervised Le
Natural Language Processing и Наивный Байесовский Классификатор
Машинное обучение без учителя - Unsupervised Learning
Кластеризация К-Средних - K-Means Clustering
Иерархическая кластеризация данных
DBSCAN - Кластеризация на основе плотности данных
Метод главных компонент (PCA - Principal Component Analysis)
Резюме курса