ML Course 2026 — Lean Study Repo

Компактный учебный репозиторий по курсу ML: только задания, ноутбуки и нужные датасеты.

Структура

• exercises/ — все практические задания
  • ex01/ — очистка данных (ex01_ru.ipynb, dirty_dataset.csv)
  • ex01_extra/ — доп. анализ attrition (ex01_extra_ru.ipynb, IBM HR CSV)
  • ex02/ — анализ tips.csv
  • ex03/ — adults-кейс
  • ex04_auto_mpg/ — регрессия на auto-mpg.data
  • ex05_titanic/ — Titanic classification
  • ex06_knn/ — KNN задание
  • ex07_customers/ — customer segmentation
  • week07_ann/ — ANN notebook
  • week07_cnn/ — CNN notebook
• docs/ — минимальная сопровождающая документация
  • study_guide_ru.md
  • week7_submission_pack.md

Быстрый старт

1. Установить зависимости:
   • pip install jupyter pandas numpy scikit-learn matplotlib seaborn
2. Запустить Jupyter в корне репозитория:
   • jupyter notebook
3. Открыть нужный ноутбук из exercises/ и запускать ячейки сверху вниз.

Главный проект курса

Water Quality EE — классификация качества воды Эстонии по открытым данным Terviseamet. Вынесен в отдельный репозиторий: sapsan14/water-quality-ee

Принципы этого репозитория

• Один канонический ноутбук на одно задание.
• Где доступны обе языковые версии, храним обе: *_ru.ipynb и *_et.ipynb.
• Только необходимые данные рядом с ноутбуком.
• Без служебной инфраструктуры синхронизации и лишних дублей.