В рамках курса было выполнено 6 лабораторных работ:
- Лабораторная работа №1: Разведочный анализ данных. Исследование и визуализация данных.
- Лабораторная работа №2: Обработка пропусков в данных, кодирование категориальных признаков, масштабирование данных.
- Лабораторная работа №3: Подготовка обучающей и тестовой выборки, кросс-валидация и подбор гиперпараметров на примере метода ближайших соседей.
- Лабораторная работа №4: Линейные модели, SVM и деревья решений.
- Лабораторная работа №5: Ансамбли моделей машинного обучения.
- Лабораторная работа №6: Создание веб-приложения для демонстрации моделей машинного обучения.
Также выполнены 2 рубежные работы:
- Рубежный контроль №1: Технологии разведочного анализа и обработки данных.
- Рубежный контроль №2: Методы построения моделей машинного обучения.
Завершающим этапом курса стало написание научно-исследовательской работы на тему: изучение эффективности различых моделей машинного обучения для решения задачи иерархической классификации.
Каждая работа размещена в своей собственной папке:
- Лабораторные работы расположены в директориях ML_Lab_N(где N - номер лабораторной работы)
- Рубежные работы расположены в директориях ML_RK_N(где N - номер рубежной работы)
- Научно исследовательская работа расположена в директории RW_ML
- Отчеты ко всем работам находятся в директории Reports, кроме отчета к НИР, который расположен в директории своего проекта