Машинное обучение, часть 1
Санкт-Петербург, осень 2017
Описание
Это первая половина годового курса.
Цель курса — сформировать целостное представление о методах машинного обучения, об ограничениях этих методов и о задачах, которые можно решать с их помощью. Курс предназначен для широкого круга слушателей.
Для понимания излагаемого материала достаточно знания статистики и линейной алгебры в объеме первых двух курсов математического факультета университета.
Курс построен таким образом, чтобы слушатель, который ранее не сталкивался с машинным обучением, мог понять большую часть курса и научиться применять излагаемые методы. При этом даже самый опытный слушатель в этом курсе найдёт для себя что-то новое.
Для более эффективного понимания курса в течение семестра будут даны несколько домашних заданий, связанных с практическим применением методов, о которых рассказывается в лекциях.
По окончании семестра будет проведён устный экзамен. В итоговой оценке за семестр также будет учитываться качество выполнения домашних заданий и результаты тестов по пройденному материалу.
Вышеперечисленные активности будут влиять на итоговую оценку следующим образом:
- 0.2 * тесты перед лекциями;
- 0.4 * домашние работы;
- 0.4 * экзамен.
Для слушателей курса будет полезна книга An Introduction to Statistical Learning.
Преподаватели
Список лекций
В этой лекции изучаем терминологию машинного обучения и пытаемся понять различия между машинным обучением и data mining, а также машинным обучением и Artificial Intelligence.
На этой лекции разбирается один пример обучения на небольшом числе наблюдений с использованием линейной модели.
В этой лекции рассказывается об offline методах оценки качества машинного обучения.
На этой лекции подробно рассматривается online проверка качества машинного обучения на примере AB-тестирования.