DSLab WNE UW

Cel projektu

Głównym celem tego projektu jest przygotowanie intuicyjnego omówienia popularnych algorytmów uczenia maszynowego (takich jak regresja liniowa, regresja logistyczna, metoda k-najbliższych sąsiadów, regresja regularyzowana LASSO i sieci elastyczne, maszyna wektorów nośnych, drzewa decyzyjne i regresyjne, bagging i boosting, w tym lasy losowe i algorytm xgboost, sieci neuronowe, łączenie modeli – np. stacking) oraz praktycznych tutoriali pokazujących ich zastosowanie w różnych językach programowania (m.in. R, python, julia, scala, ruby). Dodatkowym celem jest porównanie wydajności tych algorytmów oraz wyników uzyskiwanych w różnych językach programowania.

Głównym celem tego projektu jest przygotowanie intuicyjnego omówienia popularnych algorytmów uczenia maszynowego (…) w różnych językach programowania (m.in. R, python, julia, scala, ruby).

Dzięki skuteczności i łatwości zastosowania nawet bez głębokiego zrozumienia, algorytmy uczenia maszynowego stały się popularnym narzędziem w wielu branżach, gdzie liczy się jakość predykcji, nawet bez konieczności zrozumienia relacji łączącej analizowane zmienne. Zrozumienie podstaw stosowanego algorytmu i jego dostosowanie (np. dobór odpowiednich hiperparametrów) do konkretnego problemu pozwala często dalej poprawić uzyskiwane wyniki.