mlcourse.ai

mlcourse.ai – 开放机器学习课程

mlcourse.ai 是 OpenDataScience (ods.ai) 的开放式机器学习课程，由 Yury Kashnitsky (yorko) 领导。拥有博士学位。 Yury 拥有应用数学学位和 Kaggle 竞赛大师级别，旨在设计一门理论与实践完美平衡的 ML 课程。因此，本课程会在讲座中向您介绍数学公式，并以作业和 Kaggle 课堂竞赛的形式进行大量练习。目前，该课程处于自定进度模式。在这里，我们将指导您完成自定进度的 mlcourse.ai。

奖励：此外，您还可以购买奖励作业包，其中包含 mlcourse.ai 作业的最佳非演示版本。选择“奖励分配”层。请参阅mlcourse.ai主页上的交易详情。

镜像（:uk:-only）：mlcourse.ai（主站点），Kaggle 数据集（与 Kaggle Notebooks 相同的笔记本）

自定节奏的传球

我们将指导您完成为期 10 周的 mlcourse.ai。每周，从 Pandas 到 Gradient Boosting，都会给出有关阅读哪些文章、观看哪些讲座以及要完成哪些作业的说明。

文章

这是在medium.com ??、habr.com ??上发表的文章列表。还提到了中文笔记本？？并给出了 Kaggle Notebooks（英文）的链接。图标是可点击的。

1. 用 Pandas 进行探索性数据分析？ ?? ??，Kaggle 笔记本
2. 使用Python进行可视化数据分析？ ?? ??，Kaggle 笔记本：第 1 部分、第 2 部分
3. 分类、决策树和 k 最近邻 ?? ?? ??，Kaggle 笔记本
4. 线性分类和回归 ?? ?? ??，Kaggle 笔记本：第 1 部分、第 2 部分、第 3 部分、第 4 部分、第 5 部分
5. 装袋和随机森林？ ?? ??，Kaggle 笔记本：第 1 部分、第 2 部分、第 3 部分
6. 特征工程和特征选择？ ?? ??，Kaggle 笔记本
7. 无监督学习：主成分分析和聚类？ ?? ??，Kaggle 笔记本
8. Vowpal Wabbit：用千兆字节的数据学习？ ?? ??，Kaggle 笔记本
9. 使用 Python 进行时间序列分析，第 1 部分 ?? ?? ??。使用 Facebook Prophet 预测未来，第 2 部分 ??, ?? Kaggle 笔记本：第 1 部分、第 2 部分
10. 梯度提升？？ ??、??、Kaggle 笔记本

讲座

视频讲座上传到此 YouTube 播放列表。简介、视频、幻灯片

1. 使用 Pandas 进行探索性数据分析，视频
2. 可视化、EDA 主要情节、视频
3. 决策树：理论和实践部分
4. 逻辑回归：理论基础，实践部分（“爱丽丝”竞赛中的基线）
5. 集成和随机森林 – 第 1 部分。分类指标 – 第 2 部分。业务任务示例，预测客户付款 – 第 3 部分
6. 线性回归和正则化 - 理论、LASSO 和 Ridge、LTV 预测 - 实践
7. 无监督学习——主成分分析和聚类
8. 用于分类和回归的随机梯度下降 - 第 1 部分、第 2 部分 TBA
9. 使用 Python 进行时间序列分析（ARIMA、Prophet）- 视频
10. 梯度提升：基本思想 - 第 1 部分，Xgboost、LightGBM 和 CatBoost 背后的关键思想 + 实践 - 第 2 部分

作业

以下是演示作业。此外，在“奖励作业”层中，您可以访问非演示作业。

1. 使用 Pandas、nbviewer、Kaggle Notebook、解决方案进行探索性数据分析
2. 分析心血管疾病数据，nbviewer，Kaggle Notebook，解决方案
3. 带有玩具任务和 UCI 成人数据集的决策树、nbviewer、Kaggle Notebook、解决方案
4. 讽刺检测，Kaggle Notebook，解决方案。线性回归作为优化问题，nbviewer，Kaggle Notebook
5. 信用评分问题中的逻辑回归和随机森林，nbviewer，Kaggle Notebook，解决方案
6. 在回归任务中探索 OLS、Lasso 和随机森林、nbviewer、Kaggle Notebook、解决方案
7. 无监督学习、nbviewer、Kaggle Notebook、解决方案
8. 实现在线回归器、nbviewer、Kaggle Notebook、解决方案
9. 时间序列分析、nbviewer、Kaggle Notebook、解决方案
10. 在比赛中超越基线，Kaggle Notebook

奖励任务

此外，您还可以购买包含最佳非演示版 mlcourse.ai 作业的奖励作业包。在 Patreon 上选择“奖励分配”等级，或在 Boosty (rus) 上选择类似等级。

交易细节

mlcourse.ai 仍处于自定进度模式，但我们为您提供带有解决方案的奖励作业，每月贡献 17 美元。这个想法是，您在学习课程材料时支付约 1-5 个月的费用，但单次贡献仍然可以，并可以让您获得奖励包。

注意：第一笔费用是在加入 Tier Patreon 时收取的，第二笔费用是在下个月的 1 日收取的，因此最好在当月的上半月购买该套餐。

mlcourse.ai 永远不应该完全货币化（它是在精彩的开放 ODS.ai 社区中创建的，并将保持开放和免费），但它有助于支付一些运营成本，Yury 还付出了相当大的努力来组装所有将最好的作业集中到一个包中。请注意，与其他课程内容不同，奖励作业受版权保护。非正式地说，如果您与 2-3 个朋友共享该包，Yury 没问题，但禁止公开共享奖励分配包。

奖励包包含 10 项作业，其中一些作业要求您在彻底的指导下（“Alice”和“Medium”）在 Kaggle 竞赛中超越基线，或者从头开始实现算法——高效的随机梯度下降分类器和梯度提升。

卡格尔竞赛

1. 如果可以的话抓住我：通过网页会话跟踪进行入侵者检测。 Kaggle 课堂
2. 预测 Medium 文章的受欢迎程度。 Kaggle 课堂
3. DotA 2 获胜者预测。 Kaggle 课堂

引用mlcourse.ai

如果您碰巧在工作中引用了 mlcourse.ai，您可以使用此 BibTeX 记录：

 @misc{mlcourse_ai,
    author = {Kashnitsky, Yury},
    title = {mlcourse.ai – Open Machine Learning Course},
    year = {2020},
    publisher = {GitHub},
    journal = {GitHub repository},
    howpublished = {url{https://github.com/Yorko/mlcourse.ai}},
}

社区

您可以加入 Singularis.ai Slack 社区，提出有关课程材料的问题。该社区主要讲俄语，但仍然欢迎用英语提问。