Машинное обучение (В.В.Китов, РЭУ им.Плеханова)
Материал из MachineLearning.
(Различия между версиями)
(→Программа курса) |
(→Программа курса) |
||
(2 промежуточные версии не показаны) | |||
Строка 35: | Строка 35: | ||
===Обобщения методов через ядра Мерсера.=== | ===Обобщения методов через ядра Мерсера.=== | ||
[https://yadi.sk/i/3UHvUMSZUiYYQA Презентация]. | [https://yadi.sk/i/3UHvUMSZUiYYQA Презентация]. | ||
+ | |||
+ | ===Оценивание классификаторов.=== | ||
+ | [https://yadi.sk/i/RORMe8Bqn9BR9g Презентация]. | ||
+ | |||
+ | ===Решающие деревья.=== | ||
+ | [https://yadi.sk/i/FLDGOZDF_1NpCw Презентация]. | ||
+ | |||
+ | ===Ансамбли моделей.=== | ||
+ | [https://yadi.sk/i/XyRPisD1apivDw Презентация]. | ||
+ | |||
+ | ===Бустинг.=== | ||
+ | [https://yadi.sk/i/UP3nJ-2uiIVMUw Презентация]. | ||
=Дополнительные материалы= | =Дополнительные материалы= |
Текущая версия
Курс лаборатории искусственного интеллекта РЭУ им.Г.В.Плеханова 26,27 февраля и 4,7 марта 14-00-17-00 в ауд.413. Курс посвящен алгоритмам машинного обучения (machine learning), которые сами настраиваются на известных данных, выделяя их характерную структуру и взаимосвязи между ними, для их прогнозирования, анализа, компактного описания и визуализации. Основной акцент курса сделан на задачах предсказания дискретных величин (классификация) и непрерывных величин (регрессия), хотя в курсе также рассматриваются и другие задачи.
Лектор: Виктор Китов
Объявление
C 5,6 марта занятия перенесены на понедельник 4 марта и четверг 7 марта.
Программа курса
Введение в машинное обучение.
Метрические методы прогнозирования.
Сложность моделей. Подготовка данных.
Метрики близости.
Метод главных компонент.
Линейная регрессия и ее обобщения.
Линейная классификация.
Обобщения методов через ядра Мерсера.
Оценивание классификаторов.
Решающие деревья.
Ансамбли моделей.
Бустинг.
Дополнительные материалы
Основные библиотеки python для работы с данными
- Базовая работа с матрицами и др. numpy.
- Методы оптимизации и др. scipy.
- Более удобная работа с матрицами pandas.
- Визуализация bokeh, matplotlib.
- Машинное обучение scikit-learn.
- Глубинное обучение pytorch.
Изучение python
- Примеры для начинающих: краткое руководство с примерами по Python 2
- Python from scratch: A Crash Course in Python for Scientists
- Коллекция интересных IPython ноутбуков
- Лекции Scientific Python
- Книга: Wes McKinney «Python for Data Analysis»
- Официальный сайт