Машинное обучение

Нужно сделать одну из лабораторных работ на выбор 3 или 4.

Как и обещал, лабораторные работы не очень сложные. Никаких методов с нуля писать самостоятельно не надо, можно использовать готовые решения из библиотек. Базовый вариант — scikit-learn, но если кто-то привык к другим — я не против.

Лабораторные работы выполняются индивидуально или в командах не более 3 человек. Формат сдачи: Google Colab. В нем должен содержаться как исходный код всей лабораторной работы, так и требуемые пояснения к заданиям (анализ, выводы и другие слова). Теорию для методов расписывать не обязательно. Призываю активно пользоваться markdown и формировать понятную структуру лабораторных. Комментарии также приветствуются, но их наличие не является критичным.

Есть предложенные датасеты (один для регрессии, другой для классификации), но можно выбирать какие-то свои для всех лабораторных — в этом вы не ограничены. Единственное, о чем прошу — на команду выбирать по одному датасету (на регрессию и классификацию) для всех лабораторных, чтобы затем можно было сравнивать работу различных методов по каким-то метрикам. А тут хорошо иметь одинаковые наборы данных для всех заданий. Предложенные датасеты и их расшифровка также лежит с материалами.

Куда отправлять ссылки, дедлайны по отправке самих отчетов и дедлайны по защитам я сообщу на ближайшей лекции.

Отправляю форму для отправки ссылок на Google Colab.

Защиты будем организовывать онлайн и оффлайн. Я буду выделять время в течение недели, когда можно будет защититься, но каждый набор слотов в определенный день будет либо только онлайн, либо только очно.

Тайминг по защите ~10 минут на лабу.

Ссылку для записи на защиту скину позже. Начнем со следующей недели. Я очень хочу на этой неделе разгрестись по другим делам, чтобы на следующей в спокойном режиме выделить для вас время. Машинное обучение (осень'24), [18 дек. 2024 в 15:54]

Частично тоже планировалось, но больше как доп.материалы для самостоятельного прочтения.