mlcourse.ai

mlcourse.ai – 開放機器學習課程

mlcourse.ai 是 OpenDataScience (ods.ai) 的開放式機器學習課程，由 Yury Kashnitsky (yorko) 領導。擁有博士學位。 Yury 擁有應用數學學位和 Kaggle 競賽大師級別，旨在設計一門理論與實踐完美平衡的 ML 課程。因此，本課程會在講座中向您介紹數學公式，並以作業和 Kaggle 課堂競賽的形式進行大量練習。目前，該課程處於自定進度模式。在這裡，我們將引導您完成自定進度的 mlcourse.ai。

獎勵：此外，您還可以購買獎勵作業包，其中包含 mlcourse.ai 作業的最佳非演示版本。選擇“獎勵分配”層。請參閱mlcourse.ai主頁上的交易詳情。

鏡像（:uk:-only）：mlcourse.ai（主網站），Kaggle 資料集（與 Kaggle Notebooks 相同的筆記本）

自定節奏的傳球

我們將指導您完成為期 10 週的 mlcourse.ai。每週，從 Pandas 到 Gradient Boosting，都會給出有關閱讀哪些文章、觀看哪些講座以及要完成哪些作業的說明。

文章

這是在medium.com ??、habr.com ??上發表的文章列表。還提到了中文筆記本？並給了 Kaggle Notebooks（英文）的連結。圖標是可點擊的。

1. 用 Pandas 進行探索性資料分析？ ?? ??，Kaggle 筆記本
2. 使用Python進行視覺化資料分析？ ?? ??，Kaggle 筆記本：第 1 部分、第 2 部分
3. 分類、決策樹和 k 最近鄰 ?? ?? ??，Kaggle 筆記本
4. 線性分類與迴歸 ?? ?? ??，Kaggle 筆記本：第 1 部分、第 2 部分、第 3 部分、第 4 部分、第 5 部分
5. 裝袋和隨機森林？ ?? ??，Kaggle 筆記本：第 1 部分、第 2 部分、第 3 部分
6. 特徵工程和特徵選擇？ ?? ??，Kaggle 筆記本
7. 無監督學習：主成分分析與聚類？ ?? ??，Kaggle 筆記本
8. Vowpal Wabbit：用千兆位元組的資料學習？ ?? ??，Kaggle 筆記本
9. 使用 Python 進行時間序列分析，第 1 部分 ?? ?? ??。使用 Facebook Prophet 預測未來，第 2 部分 ??, ?? Kaggle 筆記本：第 1 部分、第 2 部分
10. 梯度提升？ ??、??、Kaggle 筆記本

講座

影片講座上傳到此 YouTube 播放清單。簡介、影片、投影片

1. 使用 Pandas 進行探索性數據分析，視頻
2. 視覺化、EDA 主要情節、視頻
3. 決策樹：理論與實務部分
4. 邏輯迴歸：理論基礎，實踐部分（「愛麗絲」競賽中的基線）
5. 整合和隨機森林 – 第 1 部分。
6. 線性迴歸和正則化 - 理論、LASSO 和 Ridge、LTV 預測 - 實踐
7. 無監督學習－主成分分析與聚類
8. 用於分類和回歸的隨機梯度下降 - 第 1 部分、第 2 部分 TBA
9. 使用 Python 進行時間序列分析（ARIMA、Prophet）- 視頻
10. 梯度提升：基本想法 - 第 1 部分，Xgboost、LightGBM 和 CatBoost 背後的關鍵思想 + 實踐 - 第 2 部分

作業

以下是演示作業。此外，在「獎勵作業」層中，您可以存取非演示作業。

1. 使用 Pandas、nbviewer、Kaggle Notebook、解決方案進行探索性資料分析
2. 分析心血管疾病數據，nbviewer，Kaggle Notebook，解決方案
3. 帶有玩具任務和 UCI 成人資料集的決策樹、nbviewer、Kaggle Notebook、解決方案
4. 諷刺檢測，Kaggle Notebook，解決方案。線性迴歸作為最佳化問題，nbviewer，Kaggle Notebook
5. 信用評分問題中的邏輯回歸和隨機森林，nbviewer，Kaggle Notebook，解決方案
6. 在迴歸任務中探索 OLS、Lasso 和隨機森林、nbviewer、Kaggle Notebook、解決方案
7. 無監督學習、nbviewer、Kaggle Notebook、解決方案
8. 實現線上回歸器、nbviewer、Kaggle Notebook、解決方案
9. 時間序列分析、nbviewer、Kaggle Notebook、解決方案
10. 在比賽中超越基線，Kaggle Notebook

獎勵任務

此外，您還可以購買包含最佳非試用版 mlcourse.ai 作業的獎勵作業包。在 Patreon 上選擇「獎勵分配」等級，或在 Boosty (rus) 上選擇類似等級。

交易細節

mlcourse.ai 仍處於自定進度模式，但我們為您提供帶有解決方案的獎勵作業，每月貢獻 17 美元。這個想法是，您在學習課程材料時支付約 1-5 個月的費用，但單次貢獻仍然可以，並可以讓您獲得獎勵包。

注意：第一筆費用是在加入 Tier Patreon 時收取的，第二筆費用是在下個月的 1 日收取的，因此最好在當月的上半月購買該套餐。

mlcourse.ai 永遠不應該完全貨幣化（它是在精彩的開放ODS.ai 社區中創建的，並將保持開放和免費），但它有助於支付一些運營成本，Yury 還付出了相當大的努力來組裝所有將最好的作業集中到一個包。請注意，與其他課程內容不同，獎勵作業受版權保護。非正式地說，如果您與 2-3 個朋友共享該包，Yury 沒問題，但禁止公開共享獎勵分配包。

獎勵包包含 10 項作業，其中一些作業要求您在徹底的指導下（「Alice」和「Medium」）在 Kaggle 競賽中超越基線，或者從頭開始實現演算法——高效的隨機梯度下降分類器和梯度提升。

卡格爾競賽

1. 如果可以的話抓住我：透過網頁會話追蹤進行入侵者偵測。 Kaggle 課堂
2. 預測 Medium 文章的受歡迎程度。 Kaggle 課堂
3. DotA 2 獲勝者預測。 Kaggle 課堂

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 記錄：

 @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}},
}

社群

您可以加入 Singularis.ai Slack 社區，提出有關課程材料的問題。社區主要講俄語，但仍然歡迎用英語提問。