Нейросети для табличных данных

Задача
Исследовать применимость нейросетевых методов для решения задач
классификации и регрессии на структурированных табличных данных.

В данном проекте вы реализуете:
модули анализа типов столбцов табличных данных и нормализации данных в архитектуре scikitlearn;
классификатор и регрессор на базе самонормализующихся нейронных сетей в архитектуре scikitlearn ;
классификатор и регрессор на базе алгоритма TabNet.

А также проведете эксперименты на нескольких датасетах из OpenML AutoML Benchmark и сравните с ранее опубликованными результатами.



Кураторы
Степан Деревянченко
Machine Learning Engineer,
Huawei Technologies Co., Ltd.
Антон Морозов
Machine Learning Engineer,
Huawei Technologies Co., Ltd.
Что вы узнаете?
Вы узнаете о возможности решать табличные задачи с помощью нейронных сетей
Вы научитесь проводить эксперименты в Data Science
Изучите модели классического ML, а также нейросетевые архитектуры
Требуемые навыки
Знание Python, знакомство с базовыми принципами Machine Learning и Deep Leaning. Опыт работы с ML-пакетами (scikit-learn, xgboost, PyTorch, Tensorflow).
Дополнительные материалы
Вы можете более подробно ознакомиться с проектом в презентации по ссылке