Машинное обучение, часть 1
Заочное отделение, весна 2020
Описание
Первая часть курса по машинному обучению.
В курсе рассматриваются основные задачи обучения по прецедентам: классификация, кластеризация, регрессия, понижение размерности. Изучаются методы их решения, как классические, так и новые, созданные за последние 10–15 лет. Упор делается на глубокое понимание математических основ, взаимосвязей, достоинств и ограничений рассматриваемых методов.
Слушателям будет выдан доступ к странице курса на wiki ШАД для просмотра лекций и семинаров. Домашние задания необходимо сдавать на сайте CS центра.
Slack чат курса:
#ml-1-dist-20
Курс включает в себя:
- 3 лабораторных задания
- 3 теоретических задания
- 3 конкурсных задания
- 1 контрольная работа
Дедлайны:
- Лабораторные и теоретические задания: +2 суток от московских
- Конкурсные задания: как в Москве
- Отправка кода по конкурсам (если попали в топ 25%): +2 суток от московских
Решения, присланные после дедлайнов, не принимаются.
Итоговые оценки:
- Отлично: 65 баллов
- Хорошо: 45 баллов
- Зачет: 25 баллов
Предварительно, максимально можно набрать (без учета конкурсных заданий): 82 балла.
Полезные ссылки:
Преподаватели
Список лекций
Лекция 6. Метод опорных векторов
Видео будет позже.
Лекция 7. Линейная регрессия и метод главных компонент
Видео будет позже.
Лекция 8. Нелинейная регрессия и нестандартные функции потерь
Видео будет позже.