Только я записалась на платный курс, пропали видеолекции. Подскажите, когда они появятся? |
Школа Анализа Данных (Яндекс): Машинное обучение: Информация
Автор: Московский физико-технический институт
Форма обучения:
дистанционная
Стоимость самостоятельного обучения:
бесплатно
Доступ:
свободный
Документ об окончании:
Вам нравится? Нравится 48 студентам
Уровень:
Для всех
Студентов:
1894
Выпускников:
111
Курс расширяет и углубляет набор тем, рекомендованный международным стандартом ACM/IEEE Computing Curricula 2001 по дисциплине «Машинное обучение и нейронные сети» (machine learning and neural networks) в разделе «Интеллектуальные системы» (intelligent systems).
В курсе рассматриваются основные задачи обучения по прецедентам: классификация, кластеризация, регрессия, понижение размерности. Изучаются методы их решения, как классические, так и новые, созданные за последние годы. Упор делается на глубокое понимание математических основ, взаимосвязей, достоинств и ограничений рассматриваемых методов. Отдельные теоремы приводятся с доказательствами.
Дополнительные курсы
План занятий
Глава <<
Занятие
Заголовок <<
Дата изучения
Глава 1 <<
Организационные вопросы и методика тестирования методов обучения
Глава 2 <<
Статистические (байесовские) методы классификации
Глава 3 <<
Нормальный байесовский классификатор
Глава 4 <<
Восстановление смесей распределений
Глава 5 <<
Метрические методы классификации
Глава 6 <<
Линейные методы классификации
Глава 7 <<
Регрессионный анализ и метод главных компонентов
Глава 8 <<
Нелинейная регрессия. Многослойные нейронные сети
Глава 9 <<
Алгоритмы кластеризации
Глава 10 <<
Методы частичного обучения
Глава 11 <<
Композиции классификаторов. Бустинг
Глава 12 <<
Оценки обобщающей способности
Глава 13 <<
Методы отбора признаков. Отбор признаков
Глава 14 <<
Логические алгоритмы классификации
Глава 15 <<
Поиск ассоциативных правил
Глава 16 <<
Коллаборативные итерации
Глава 17 <<
Тематическое моделирование
Глава 18 <<
Обучение с подкреплением