Машинное обучение, часть 1

Санкт-Петербург, осень 2013

Описание

Модуль 1 (Введение)

  1. Постановка задачи, классификация видов обучения. Отличия от смежных областей.

  2. Разбор эксперимента «предсказание оценки студента».

  3. Оценка качества обучения.

  4. Некоторые способы построения целевой функции.

Модуль 2 (Переборные методы)

  1. Сэмплирование пространства параметров.

  2. Генетические алгоритмы, Differential evolution.

Модуль 3 (Линейные решения)

  1. Линейная регрессия. Логистическая регрессия. Линейный дискриминантный анализ (LDA) и его вариации.
  2. LASSO, случайные DFT проекции.
  3. Compressed sensing, Elastic net. Обзор имплементаций LASSO.
  4. Метод опорных векторов (SVM).

Модуль 4 (Факторизация)

  1. Collaborative filtering. Регуляризации SVD разложения. Factorization Machines.
  2. LSA. Informational bottleneck. PLSA, LDA.

Модуль 5 (Прямая оптимизация целевой функции)

  1. Обзор методов оптимизации.

  2. Выпуклая оптимизация (по Ю. Е. Нестерову).

Модули 6-9 рассматриваются в продолжении курса весной.

Преподаватели