Один в поле не воин: методы ансамблирования в машинном обучении // «Machine Learning. Professional»

Вы узнаете: Какие подходы к ансамблированию сегодня существуют в машинном обучении. Как устроены такие популярные техники ансамблирования как Bagging, Random Forest и Gradient Boosting. Когда и как их стоит применять для решения ML-задач.
Кому подходит этот урок:
- IT-специалистам которые хотят освоить продвинутые методы ML и перейти в Data Science
- Дата-сайентистам, желающим углубиться в профессию
- Тем кто самостоятельно изучает Data Science и уже изучил основы ML
Результаты урока: вы узнаете основные подходы к ансамблированию, которые сегодня используют в ML. Изучите устройство наиболее популярных методов ансамблирования (Bagging, Random Forest, Boosting) и примените их на практике.
«Machine Learning. Professional» - otus.pw/BZ6M/
Преподаватель: Мария Тихонова - Senior Data Scientist SberDevices, преподаватель ВШЭ
Подключайтесь к обсуждению в чате - otus.pw/jIzso/
Пройдите опрос по итогам мероприятия - otus.pw/BKt3/
Следите за новостями проекта:
- Telegram: t.me/Otusjava
- ВКонтакте: otus.pw/850t
- LinkedIn: otus.pw/yQwQ/
- Хабр: otus.pw/S0nM/