Машинное обучение, математика, анализ данных
Предыстория, рождение ИИ, волны развития, ИИ-зимы и возрождения. Понимание эволюции искусственного интеллекта от первых идей до современных систем. 3 обязательные теории (волны/Тьюринг/подходы) + кейсы + quiz.
Линейная алгебра, матанализ, теория вероятностей, оптимизация. Математика, необходимая для понимания алгоритмов машинного обучения.
Обучение с учителем, без учителя, метрики, кросс-валидация, регуляризация. Фундаментальные алгоритмы ML.
Типы данных, предобработка, feature engineering, EDA. Практические навыки работы с табличными данными в pandas.
Самостоятельный проект: от данных до оценки модели. Интеграция всех компетенций модуля M1.