«Машинное обучение. Часть 1 из 8» — курс о построении и оценке моделей машинного обучения. Вы изучите основные алгоритмы на примерах и построите модели с помощью библиотеки Sklearn. ## О машинном обучении Machine learning — процесс обучения нейронных сетей выявлению закономерностей на основе подготовленных массивов данных. Работающие модели применяют в разных областях: от тяжёлого машиностроения до майнинга криптовалют. ## Чему вы научитесь - Формулировать задачу для data science-проекта. - Выдвигать идеи и гипотезы, составлять план решения задачи. - Подбирать алгоритмы и метрики для разных моделей под задачу. - Определять, в каких случаях использовать основные алгоритмы. - Строить модели машинного обучения с помощью библиотеки Sklearn. - Применять знания на практике на примерах кода обучения. - Оценивать качество моделей машинного обучения. - Использовать подходы к предотвращению переобучения и методы оценки. - Интерпретировать результаты и составлять отчёт об исследовании. - Сравнивать алгоритмы на готовых датасетах и определять методы улучшения качества.