ML 1, ISP RAS, Spring 2025

Date	Lectures	Practice sessions	Home assignments
13.02.2025	1. Введение. Обзор постановок ML задач. Типы задач: классификация, регрессия, кластеризация с примерами. Данные.	Pandas. numpy.	Home assignment 1 Deadline: (26.02.2025)
20.02.2025	2. Линейная регрессия через наименьшее отклонение и максимум правдоподобия. Онлайн и оффлайн постановка обучения.	Обработка данных.
27.02.2025	3. Оптимизация. Градиентный спуск. Ускорение. SGD.	Метрика качества. KNN.	Home assignment 2 Deadline: (12.03.2025)
06.03.2025	4. Субградиентный спуск. AdaGrad, Adam. Регуляризация l_1, l_2. Проксимальный оператор	Валидация. Подбор гипепараметров. Регуляризация
13.03.2025	5. Логистическая регрессия	Многоклассовая классификация	Home assignment 3 Deadline: (26.03.2025)
20.03.2025	6. PCA & friends	Задача кластеризации
27.03.2025	7. SVM	SVM
03.04.2025	8. Решающие деревья	Решающие деревья	Home assignment 4 Deadline: (18.04.2025)
10.04.2025	9. Ансамблирование
17.04.2025	10. Градиентный бустинг.	Градиентный бустинг. Сравнение библиотек.	Home assignment 5 Deadline: (27.04.2025)
24.04.2025	11. Градиентный бустинг.	Матрично-векторное дифференцирование.	Home assignment 6 Deadline: (11.05.2025)
15.05.2025	12. Введение в DL.	Библиотеки автоматического дифференцирования. Pytorch. Обучаем свою первую рекуррентную сеть.	Home assignment 7 Deadline: (19.05.2025)