<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Градиентный Бустинг on Digitable courses</title>
    <link>https://courses.digitable.life/tags/%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9-%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3/</link>
    <description>Recent content in Градиентный Бустинг on Digitable courses</description>
    <generator>Hugo</generator>
    <language>ru-RU</language>
    <lastBuildDate>Sat, 01 Aug 2026 00:12:59 +0300</lastBuildDate>
    <atom:link href="https://courses.digitable.life/tags/%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9-%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Ансамбли: бэггинг, случайный лес, градиентный бустинг</title>
      <link>https://courses.digitable.life/post/machine-learning/07-ensembles-and-boosting/</link>
      <pubDate>Thu, 16 Jul 2026 10:00:00 +0300</pubDate>
      <guid>https://courses.digitable.life/post/machine-learning/07-ensembles-and-boosting/</guid>
      <description>Почему сумма слабых моделей сильнее одной хорошей: декорреляция ошибок и бэггинг, устройство случайного леса, градиентный бустинг как спуск в пространстве функций, Newton boosting в XGBoost, гистограммный алгоритм LightGBM, ordered boosting CatBoost, стекинг и продакшн-практика.</description>
    </item>
    <item>
      <title>Временные ряды: от ARIMA до градиентного бустинга</title>
      <link>https://courses.digitable.life/post/machine-learning/13-time-series/</link>
      <pubDate>Thu, 16 Jul 2026 10:00:00 +0300</pubDate>
      <guid>https://courses.digitable.life/post/machine-learning/13-time-series/</guid>
      <description>Прогнозирование, где нарушено главное допущение ML — независимость наблюдений: стационарность и ACF, ARIMA и ETS, признаковый подход с бустингом, честный бэктест, метрики MASE и pinball, иерархии и продакшн.</description>
    </item>
  </channel>
</rss>
