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

Терминология машинного обучения

В этой лекции изучаем терминологию машинного обучения и пытаемся понять различия между машинным обучением и data mining, а также машинным обучением и Artificial Intelligence.

Разбор одного примера

На этой лекции разбирается один пример обучения на небольшом числе наблюдений с использованием линейной модели.

Оценка качества I

В этой лекции рассказывается об offline методах оценки качества машинного обучения.

Оценка качества II

На этой лекции подробно рассматривается online проверка качества машинного обучения на примере AB-тестирования.