ai_learning/modules/07_trees_and_boosting

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
2. Bagging, Random Forest и out-of-bag оценка
3. Градиентный бустинг

Термины модуля: 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 — Дерево решений с нуля
• assignments/02_ensembles.md — Bagging против boosting
• 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.