Машинное обучение на практике весна 2026

Общие сведения

• Семестр: весенний семестр 2025
• Формы контроля:
• Форма регистрации на курс
• [ План занятий и домашних работ]
• [ Таблица с оценками]
• [ Продление дедлайнов]
• Telegram-чат курса
• [ Форма для сдачи ДЗ]

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

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

Блок рекомендательные системы Николай Анохин Роман Логойда

Виктор Кантор

Зелинский Никита