Машинное обучение (В.В.Китов, РЭУ им.Плеханова)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Программа курса)
(Метод ближайших центроидов и K ближайших соседей.)
Строка 15: Строка 15:
[https://yadi.sk/i/njk1o3VcmPbA4Q Презентация].
[https://yadi.sk/i/njk1o3VcmPbA4Q Презентация].
-
===Метод ближайших центроидов и K ближайших соседей.===
+
===Метрические методы прогнозирования.===
[https://yadi.sk/i/KaHfWuT9KCNTlg Презентация].
[https://yadi.sk/i/KaHfWuT9KCNTlg Презентация].

Версия 12:13, 28 февраля 2019

Содержание

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.

Презентация.

Метрические методы прогнозирования.

Презентация.

Сложность моделей. Подготовка данных.

Презентация.

Метрики близости.

Презентация.

Метод главных компонент.

Презентация.

Линейная регрессия и ее обобщения.

Презентация.

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

Личные инструменты