Машинное обучение на практике весна 2025 — различия между версиями

Материал из Public ATP Wiki
Перейти к: навигация, поиск
(Критерии получения оценки)
(Общие сведения)
 
(не показана 1 промежуточная версия этого же участника)
Строка 7: Строка 7:
 
* [ Продление дедлайнов]
 
* [ Продление дедлайнов]
 
* [https://t.me/+PxdThaEu48JlM2Qy Telegram-чат курса]
 
* [https://t.me/+PxdThaEu48JlM2Qy Telegram-чат курса]
 +
* [https://docs.google.com/forms/d/e/1FAIpQLSfU0M80k2Q3IWCwHeDzHVsovg6yv90BSI0WwopEADytH2eClg/viewform?usp=header Форма для сдачи ДЗ]
  
 
==Программа курса==
 
==Программа курса==
Строка 34: Строка 35:
  
 
Зелинский Никита
 
Зелинский Никита
 
 
 
 
  
 
== Итоговая аттестация ==
 
== Итоговая аттестация ==

Текущая версия на 18:27, 21 апреля 2025

Общие сведения

Программа курса

  • 1. Введение: задачи прикладного машинного обучения и почему машинное обучение это не просто fit predict
  • 2. Рекомендательные системы
  • 3. Ценообразование на основе данных: smart pricing и dynamic pricing
  • 4. Лидогенерация: таргетирование с помощью прогнозов вероятности целевого действия, uplift modelling и positive-unlabeled (PU) learning
  • 5. Скоринг клиентов: классическая задача оценки вероятности дефолта, скоринг мошенников и кастомные скоринги
  • 6. Детектирование аномалий или почему антифрод это не просто скоринг
  • 7. Приоритизация расходов на основе прогнозов моделей
  • 8. Автоматизация работы с помощью deep learning

Материалы занятий

Домашние задания и критерия получения оценки

На курсе всего будет 8 домашних заданий, 6 из них обязательные (на выбор студентов), поэтому итоговая оценка считается так:

Итоговая оценка = средняя оценка за 6 домашних работ (с округлением вверх)

Домашние работы будут появляться на платформе после семинаров/лекций!

Преподаватели

Руководитель курса

Виктор Кантор

Зелинский Никита

Итоговая аттестация