extra-course-materials.md

Доп. материалы к разделам курса «Введение в машинное обучение»

Логические методы: решающие деревья и решающие леса

• Урок про Desicion Trees на scikit-learn.org;
• Логические алгоритмы классификации – К. В. Воронцов;
• Семинары по решающим деревьям – Е. Соколов.

Grid Search

• How to Tune Algorithm Parameters with Scikit-Learn;
• Python and Kaggle: Feature selection, multiple models and Grid Search;
• Grid search and cross-validated estimators на scipy-lectures.org;
• Документация по модулю Grid Search на scikit-learn.org

Логистическая регрессия

• Подробнее о логистической регрессии и предсказании вероятностей с ее помощью;
• Семинары по выбору моделей и критериев качества.

Градиентный спуск

• Подробнее о градиентах и градиентном спуске;
• Методичка по методам спуска и градиентам;
• Объяснение градиента (видео) от Andrej Karpathy, отрывок из лекции курса CS231n.

Градиентный бустинг

• Подробнее о градиентном бустинге и особенностях его применения к деревьям;
• Ещё о выводе градиентного бустинга для регрессии и классификации.

Кластеризация

• Soft K-means – коротко, строго и одновременно понятно.

Метод опорных векторов (SVM)

• Вывод SVM - Заметки оригинального стэнфордского курса Andrew Ng;
• Метод опорных векторов.

Нейронные сети

• Лекции по искусственным нейронным сетям — К. В. Воронцов;
• Deep Learning - Ian Goodfellow, Yoshua Bengio, and Aaron Courville (2016);
• Neural Networks and Deep Learning – ещё одна бесплатная онлайн-книга.