Разбираемые темы:
1. Обзор задачи (теория – 1 час)
Какие задачи хорошо решаются машинным обучением, а какие им пытаются решать.
Что произойдёт, если вместо Data Scientist взять неспециалиста в данной области (просто разработчика/аналитика/менеджера) с ожиданием, что в процессе научится.
2. Подготовка, очистка, исследование данных (теория – 1 ч, практика – 1 ч)
Как разобраться в исходных бизнес-данных (и вообще обнаружить в них какой бы то ни было порядок).
Последовательность обработки.
Что можно и нужно переложить на аналитиков предметной области, а что лучше сделать самому Data Scientist.
Приоритеты решения конкретной задачи.
3. Классификаторы и Регрессоры (теория – 2 ч, практика – 2 ч)
Практический раздел - хорошо формализованные задачи с подготовленными данными.
Разница между задачами (бинарная/небинарная/вероятностная классификация, регрессии), перераспределение задач между классами.
Примеры классификации практических задач.
4. Кластеризация (теория – 1 ч, практика – 2 ч)
Где и как проводить кластеризацию: исследование данных, проверка постановки задачи, проверки результатов.
Какие случаи можно свести к кластеризации.
5. Оценка моделей (теория – 1 ч, практика – 1 ч)
Бизнес-метрики и технические метрики.
Метрики для задач классификации и регрессии, матрица ошибок.
Внутренние и внешние метрики качества кластеризации.
Кросс-валидация.
Оценка переобучения.
6. Оптимизация (теория – 5 ч, практика – 3 ч)
Что делает одну модель лучше другой: параметры, признаки, ансамбли.
Управление параметрами.
Практика выбора признаков.
Обзор инструментария для поиска лучших параметров, признаков и методов.
7. Графики, отчеты, работа с живыми задачами (теория – 2 ч, практика – 2 ч)
Как доступно объяснить происходящее: себе, команде, клиенту.
Более красивые ответы на бессмысленные вопросы.
Как презентовать три терабайта результатов на одном слайде.
Полуавтоматические тесты, какие точки контроля процесса действительно нужны.
От живых задач к полному R&D процессу («НИОКР на практике») – разбор и анализ задач от аудитории.