Важная информация по дедлайнам!Сроки выполнения Домашних заданий №3 и №4 продлены пропорционально времени недоступности платформы.

Классические модели ML (autumn 2026)

Дедлайны домашних заданий

Линейная регрессия и чем подход машинного обучения отличается от подхода, который применяется в эконометрике

Теория

Тема 1. Линейные модели: 1. Линейная регрессия

Тестирование

Домашнее задание 1 (тест)

Course block deadline expired on 01.10.2026 20:59

Block deadline expired

Логистическая регрессия, функция потерь - кросс-энтропия, градиентный спуск и решение численным методом. Предсказание вероятности, пороги принятия решений, матрица ошибок, точность и полнота, F-мера и Gini

Тема 1. Линейные модели: 2. Лог регрессия

Домашнее задание 2 (тест)

Course block deadline expired on 08.10.2026 20:59

Стратификация, скользящий контроль, смещение и разброс, валидационная кривая, сколько нужно данных, признаки из текста, времени, выбор признаков

Тема 1. Линейные модели: 3. Выбор модели

Домашнее задание 3 (тест)

Course block deadline expired on 25.10.2026 20:59

Деревья + Построение дерева

Тема 2. Деревья и ансамбли: 4. Деревья + Построение дерева

Домашнее задание 4 (тест)

Course block deadline expired on 29.10.2026 20:59

Дополнительные условия при построении деревьев + Классификация и лес

Тема 2. Деревья и ансамбли: 5. Виды деревьев + Классификация и лес

Домашнее задание 5 (тест)

Тема 2. Деревья и ансамбли: 6. Градиентный бустинг

Домашнее задание 6 (тест)

Course block deadline expired on 05.11.2026 20:59

Интерпретация моделей

Тема 3. Что ещё может пригодиться, кроме нейросетей: 7.Интерпретация моделей

Домашнее задание 7 (тест)

Course block deadline expired on 12.11.2026 20:59

Тема 3. Что ещё может пригодиться, кроме нейросетей:  8. АБ тесты

Тема 3. Что ещё может пригодиться, кроме нейросетей:  9. Кластеризация и снижение размерности

<h3>О курсе</h3>

Классические модели машинного обучения - это линейные модели и модели на основе деревьев решений.

Такие модели лучше других справляются с задачами, где разнородные данные, т.н. &quot;табличные данные&quot;, т.е. такие, которые часто находятся в базах данных и которые выглядят как таблица: строки - наблюдения, столбцы - признаки.

В отличие от картинок, текстов, аудио, видео, которые представляют из себя огромные объемы данных, причём данные однородны и каждый пиксель или слово зависят от предыдущего. Для таких данных лучшие модели - это нейронные сети.

Курс будет полезен начинающим специалистам, и тем, кто хочет освежить знания по линейным моделям и деревьям.

Общение и вопросы по курсу - в чате <a href="https://mm.ods.ai/ods/channels/classic_ml_course" rel="noopener noreferrer" target="_blank">https://mm.ods.ai/ods/channels/classic_ml_course</a>

Даты: 17.09.2026 - 12.11.2026

<h3>Программа курса и даты</h3>

<figure>
<table>
	<tbody>
		<tr>
			<td>Тема 1. Линейные модели 
			 
			Темы о линейной зависимости: поговорим о линейной и логистической регрессиях, метриках, валидации и генерации признаков. 
			 
			1. Линейная регрессия. 17.09.2026 
			 
			Линейная регрессия и чем подход машинного обучения отличается от подхода, который применяется в эконометрике. 
			 
			ДЗ-1 открывается с лекцией, дедлайн &mdash; 01.10.2026. 
			 
			2. Логистическая регрессия. 24.09.2026 
			 
			Логистическая регрессия, функция потерь &mdash; кросс-энтропия, градиентный спуск и решение численным методом. Предсказание вероятности, пороги принятия решений, матрица ошибок, точность и полнота, F-мера и Gini. 
			 
			ДЗ-2 открывается с лекцией, дедлайн &mdash; 08.10.2026. 
			 
			3. Выбор модели. 01.10.2026 
			 
			Стратификация, скользящий контроль, смещение и разброс, валидационная кривая, сколько нужно данных, признаки из текста и времени, выбор признаков. 
			 
			ДЗ-3 открывается с лекцией, дедлайн &mdash; 15.10.2026. 
			 
			Тема 2. Деревья и их ансамбли 
			 
			Темы о деревьях и ансамблях: как строится дерево, как создаётся ансамбль. Разберём градиентный бустинг. 
			 
			4. Деревья и построение дерева. 08.10.2026 
			 
			ДЗ-4 открывается с лекцией, дедлайн &mdash; 22.10.2026. 
			 
			5. Виды деревьев, классификация и лес. 15.10.2026 
			 
			ДЗ-5 открывается с лекцией, дедлайн &mdash; 29.10.2026. 
			 
			6. Градиентный бустинг. 22.10.2026 
			 
			ДЗ-6 открывается с лекцией, дедлайн &mdash; 05.11.2026. 
			 
			Тема 3. Что ещё может пригодиться, кроме нейросетей 
			 
			Темы про интерпретацию и причинно-следственные связи, АБ-тесты, кластеризацию и снижение размерности. 
			 
			7. Интерпретация моделей. 29.10.2026 
			 
			ДЗ-7 открывается с лекцией, дедлайн &mdash; 12.11.2026. 
			 
			8. АБ-тесты. 05.11.2026 
			 
			ДЗ-8 открывается с лекцией, дедлайн &mdash; 19.11.2026. 
			 
			9. Кластеризация и снижение размерности. 12.11.2026 
			 
			ДЗ-9 открывается с лекцией, дедлайн &mdash; 26.11.2026.</td>
		</tr>
	</tbody>
</table>
</figure>

<h3>Оценка</h3>

Каждое ДЗ оценивается по количеству решенных задач (разное кол-во баллов в зависимости от сложности задачи):

ДЗ-1 (макс 68)

ДЗ-2 (макс 62)

ДЗ-3 (макс 56)

ДЗ-4 (макс 44)

ДЗ-5 (макс 30)

ДЗ-6 (макс 26)

ДЗ-7 (макс 34)

&nbsp;

<h3>Авторы курса</h3>

Иван Комаров, КоронаТех, <a href="https://ods.ai/" rel="noopener noreferrer" target="_blank">ods.ai</a>, НГУ, <a href="https://t.me/getdatakomarov" rel="noopener noreferrer" target="_blank">https://t.me/getdatakomarov</a>&nbsp; 
Артем Шевляков, Школа компьютерных наук ТюмГУ, <a href="https://www.utmn.ru/imkn/shkn/index.php" rel="noopener noreferrer" target="_blank">https://www.utmn.ru/imkn/shkn/index.php</a> 
Дмитрий Лапочкин, НГУ 
Георгий Туркия, НГУ

Курс про линейные модели и ансамбли из деревьев решений.

Таблица лидеров

Agreement

Регистрируясь на курс, я даю <a href="https://storage.yandexcloud.net/ds-ods/files/content/2026/09/02/7690cba01e2b/2026_09_02_%D0%A1%D0%BE%D0%B3%D0%BB%D0%B0%D1%81%D0%B8%D0%B5_%D0%BC%D0%B5%D1%80%D0%BE%D0%BF%D1%80%D0%B8%D1%8F%D1%82%D0%B8%D1%8F_%D0%B8_%D0%BA%D1%83%D1%80%D1%81%D1%8B.pdf">согласие</a> на обработку персональных данных.

10/18/26Дедлайны домашних заданий