Всем привет!

Открытый курс машинного обучения mlcourse.ai сообщества OpenDataScience – это сбалансированный по теории и практике курс, дающий как знания, так и навыки (необходимые, но не достаточные) машинного обучения уровня Junior Data Scientist. Нечасто встретите и подробное описание математики, стоящей за используемыми алгоритмами, и соревнования Kaggle Inclass, и примеры бизнес-применения машинного обучения в одном курсе. С 2017 по 2019 годы Юрий Кашницкий yorko и большая команда ODS проводили живые запуски курса дважды в год – с домашними заданиями, соревнованиями и общим рейтингом учаcтников. 

Статьи на Хабре на русском все еще актуальны – вот первая. Впрочем, наиболее актуальная версия материалов – на английском, см. mlcourse.ai

C 2020 года курс – в режиме самостоятельного прохождения. Часть заданий мы выложили в открытый доступ, с решениями. А часть заданий доступны на Patreon и тут на Boosty – "Бонусные задания mlcourse.ai". Все – на английском (верим, что курс на русском возродится, но первые попытки, к сожалению, оказались не очень удачными). 

В бонусной подписке вы получаете доступ к Jupyter Book с бонусными, «полноценными» (в отличие от демонстрационных) версиями заданий mlcourse.ai. В их числе – реализация деревьев решений, случайного леса, SGD и градиентного бустинга своими руками с нуля, а также задания, в которых вы под нашим чутким руководством за счет создания признаков и грамотной валидации модели бьете бейзлайны в Kaggle Inclass соревнованиях (“Alice” и “Medium”). 

В качестве тизера – то самое легендарное задание на реализацию градиентного бустинга своими руками. Мы досконально разберемся с математикой, стоящей за этим алгоритмом, почему он обобщается на классификацию, регрессию и ранжирование. 

Дальше мы на игрушечных примерах разберемся, как алгоритм работает. Вы получите похожие картинки, передающие "интуицию" того, что там происходит у бустинга под капотом.

Подробнее рассказываю про бонусные задания в этом посте в блоге.

Удачи!