https://github.com/foggysmile/ml_labs_itmo

Лабораторные работы по машинному обучению
https://github.com/foggysmile/ml_labs_itmo

bert decision-trees jupyter-notebook machine-learning numpy pandas random-forest xgboost

Last synced: 4 months ago
JSON representation

Лабораторные работы по машинному обучению

• Host: GitHub
• URL: https://github.com/foggysmile/ml_labs_itmo
• Owner: FoggySmile
• Created: 2024-09-11T12:22:24.000Z (5 months ago)
• Default Branch: main
• Last Pushed: 2024-09-11T13:17:06.000Z (5 months ago)
• Last Synced: 2024-10-16T20:00:19.821Z (4 months ago)
• Topics: bert, decision-trees, jupyter-notebook, machine-learning, numpy, pandas, random-forest, xgboost
• Language: Jupyter Notebook
• Homepage:
• Size: 942 KB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# Лабораторные работы по предмету "Машинное обучение"

Этот репозиторий содержит 7 лабораторных работ в формате Jupyter Notebook (.ipynb), выполненных в рамках курса "Машинное обучение" в Университете ИТМО.

## Содержание

1. **Лабораторная работа 1**: Введение в Pandas.

2. **Лабораторная работа 2**: Данная лабораторная утеряна :(

3. **Лабораторная работа 3**: Использование деревьев решений, случайного леса, xgboost.

4. **Лабораторная работа 4**: Использование методов уменьшения размерности данных и кластеризации.

5. **Лабораторная работа 5**: Градиентный спуск.

6. **Лабораторная работа 6**: Дообучение CNN.

7. **Лабораторная работа 7**: BERT Архитектура.

## Описание

Каждая лабораторная работа посвящена различным аспектам машинного обучения, включая:

- Предобработку данных

- Построение моделей

- Оценку качества моделей

- Применение алгоритмов машинного обучения на реальных данных.

## Требования

- Python 3.x

- Jupyter Notebook

## Запуск

Для запуска лабораторных работ выполните следующие шаги:

1. Клонируйте репозиторий:

```bash

git clone https://github.com/your_username/repository_name.git

cd src