„Învățare automată” - curs 30.000 de ruble. de la MSU, antrenament 3 săptămâni. (1 lună), Data: 30 noiembrie 2023.

Sectiunea 1. Introducere. Exemple de sarcini. Metode logice: arbori de decizie și păduri de decizie.

Metode logice: clasificarea obiectelor pe baza unor reguli simple. Interpretare și implementare. Combinație într-o compoziție. Copaci hotărâtori. pădure întâmplătoare.

Sectiunea 2. Metode de clasificare metrică. Metode liniare, gradient stocastic.

Metode metrice. Clasificare pe baza asemănării. Distanța dintre obiecte. Metrici. Metoda k-cei mai apropiati vecini. Generalizare la probleme de regresie folosind netezirea nucleului. Modele liniare. Scalabilitate. Aplicabilitate la big data Metoda gradientului stocastic. Aplicabilitate pentru reglarea clasificatoarelor liniare. Conceptul de regularizare. Caracteristicile lucrului cu metode liniare. Măsuri de calitate a clasificării.

Secțiunea 3. Suport Vector Machine (SVM). Regresie logistică. Măsuri de calitate a clasificării.

Modele liniare. Scalabilitate. Aplicabilitate la big data Metoda gradientului stocastic. Aplicabilitate pentru reglarea clasificatoarelor liniare. Conceptul de regularizare. Caracteristicile lucrului cu metode liniare.

Secțiunea 4. Regresie liniara. Reducerea dimensionalității, metoda componentei principale.

Modele liniare pentru regresie. Legătura lor cu descompunerea singulară a matricei „obiecte-trăsături”. Reducerea numărului de semne. Abordări ale selecției caracteristicilor. Metoda componentelor principale. Metode de reducere a dimensionalității.

Secțiunea 5. Compoziții de algoritmi, creșterea gradientului. Rețele neuronale.

Combinarea modelelor într-o compoziție. Corectarea reciprocă a erorilor de model. Concepte de bază și enunțuri de probleme legate de compoziții. Creșterea gradientului.
Rețele neuronale. Căutați suprafețe divizoare neliniare. Rețele neuronale multistrat și reglarea lor folosind metoda backpropagation. Rețele neuronale profunde: arhitecturile și caracteristicile lor.

Secțiunea 6. Clustering și vizualizare.

Probleme de învățare nesupravegheată. Găsirea structurii în date. Problema grupării este sarcina de a găsi grupuri de obiecte similare. Sarcina de vizualizare este sarcina de a mapa obiectele în spațiu bidimensional sau tridimensional.

Secțiunea 7. Probleme aplicate de analiză a datelor: formulări și metode de rezolvare.

Învățarea parțială ca problemă între învățarea supravegheată și gruparea. O problemă de eșantionare în care valoarea variabilei țintă este cunoscută doar pentru unele obiecte. Diferența dintre problema de învățare parțială și formulările discutate anterior. Abordări ale soluției.
Analiza problemelor din domenii aplicate: scoring în bănci, asigurări, probleme de subscriere, probleme de recunoaștere a modelelor.

Abordare

119991, Moscova, st. Leninskie Gory, 1, bldg. 51, etajul 5, camera 544 (Decanatul)

Arată pe hartă