MISIS AI Lab

Мы - MISIS AI lab

Прогрессивное молодое сообщество студентов, где исследуют и создают модели нейросетей, обсуждают вопросы машинного обучения, обмениваются интересными наборами данных и организуют свои kaggle-like сорвенования

Изучение ML вместе

Благодаря отличному коллективу и заинтересованности коллектива в ML, всегда есть возможность задать вопрос или найти людей для исследования.

Участие в хакатонах

Ни один хакатон не обходится без задач с машинным обучением. Всегда полезно посмотреть на свои навыки после изучения курса и найти себе команду совместно с клубом хакатонов.

Победы в DS-чемпионатах

Учаcтие и победы в соревнованиях с лидербордами: Kaggle, ODS, Yandex Cup..

Ресерч и написание статей

Применение знаний Data Science в научных исследованиях, написание статей в зарубежные журналы и долгосрочные проекты.

Start with more than a model.LinearRegression

Машинное обучение - это одна из самых сложных и быстрорастущих областей IT.
Присоединяясь к нам, вы получите ряд преимуществ, включая обмен инструментами и поддержку, ответы на запросы, наставничество, обзоры кода и многое другое.

Программа курса

За 8 недель мы расскажем невероятно ценные знания, которые помогут Вам изучить ML

Лекция 1 (14.10.2022 очно): Введение в машинное обучение

Что такое машинное обучение? Основные термины, папиры и источники. Соревнования по машинному обучению.

Лекция 2: Метрические алгоритмы, метрики задачи классификации, линейная и логистическая регрессия, SVM

KNN и метод центроид. Метрики в задачах классификации и регрессии.

Лекция 3: Решающие деревья, ансамбли и случайный лес

Что это и как оно работает? Работа деревьев с фичами. Какие ансамблевые методы бывают.

Лекция 4: Градиентный бустинг и кластеризация

Что такое градиентный бустинг? Unsupervised методы в классическом машинном обучении.

Лекция 5: Введение в нейронные сети

Достижения нейросетей. Построим свою простейшую сетку. Рассмотрим функции активации и почему нелинейность рулит (теорема об универсальной аппроксимации), функции ошибки, обратное распространение градиента.

Лекция 6: Сверточные нейронные сети (CV)

Почему картинки и MLP - плохо? Почему свертки хорошо и что это вообще такое? Параметры свертки, пулинг, популярные CNN архитектуры.

Лекция 7: Рекуррентные нейронные сети

Почему круто обрабатывать последовательности именно RNN? Почему vanilla RNN не очень, а LSTM и GRU нормально? Типы RNN архитектур.

Лекция 8: Борьба с переобучением

Что такое SOTA и как этого добиться?

Каждое занятие состоит из: лекции, семинара и домашнего задания.

ML соревнование = сертификат

По завершению учебы поборись со своими сокурсниками на нашем DS-чемпионате. Постарайся написать его успешно и ты получишь сертификат от успешном прохождении курса от MISIS AI Lab.