# Модуль 07. Деревья, ансамбли и бустинг

Плановый срок: **недели 15–16**.

## Цели

- понимать построение и переобучение дерева решений
- различать bagging, random forest и gradient boosting
- настраивать ансамбли и интерпретировать их без самообмана

## Предварительные знания

Нужны честная валидация, метрики классификации и регрессии, а также понятия bias и variance.

## Теория

1. [Дерево решений: критерии разбиения и pruning](notes/01_split_criteria_and_pruning.md)
2. [Bagging, Random Forest и out-of-bag оценка](notes/02_bagging_random_forest_oob.md)
3. [Градиентный бустинг](notes/03_gradient_boosting.md)

Термины модуля: [`glossary.md`](glossary.md).

Для каждого урока: прочитайте теорию, воспроизведите ключевой пример своими
руками и запишите три тезиса без подсказки. Формулы из этого модуля нужно
уметь связать с кодом и наблюдаемым поведением модели.

## Задания

- [`assignments/01_tree_from_scratch.md`](assignments/01_tree_from_scratch.md) — Дерево решений с нуля
- [`assignments/02_ensembles.md`](assignments/02_ensembles.md) — Bagging против boosting
- [`assignments/03_explainability.md`](assignments/03_explainability.md) — Интерпретация бустинга

## Завершение модуля

Модуль завершён, когда все задания удовлетворяют критериям приёмки,
вы можете объяснить основные решения без ноутбука и получили review.