Введение в машинное обучение
Описание
В курсе даются основы машинного обучения. Вначале обсуждаются основные задачи машинного обучения. Далее даются простейшие методы. В последней части курса рассматриваются более сложные алгоритмы, например, нейронные сети и гаусовские процессы. Основные понятия: ядерный метод, случайный лес, бустинг, несбалансированная классификация, бустинг, выбор моделей и признаков, снижение размерности, выявление аномалий, нейронные сети.
Предварительные требования:
-
Линейная алгебра: Многомерные данные, регрессии, нейронные сети…
-
Математический анализ - 1: Дифференциальное исчисление
-
Теория вероятностей: Байесовские методы, гаусовские процессы, вероятностный взгляд на многие задачи
-
Выпуклый анализ: Повсеместное использование методов оптимизации
-
Математическая статистика: Байесовские методы