Машинное обучение, часть 2
Санкт-Петербург, весна 2017
Описание
Это вторая половина годового курса (первая часть – Машинное обучение 1).
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.
Содержание семестра
Модули 1-2 изучались в первой половине курса.
Модуль 3 (Ансамбли решающих функций)
- Леса
- Ансамбли
- Gradient Bossting Decision Tree
Модуль 4 (Работа с данными)
- Сэмплирование данных
- Уменьшение размерности
- Кластеризация
- Feature extraction
- Обучение метрики
Модуль 5 (Обучение на сырых данных)
- Коллаборативная фильтрация
- Обучение на последовательностях, HMM
- Глубокое обучение
Модуль 6 (Создание методов обучения)
- Целевые функции
- Вероятностные модели
- EM, Gibbs sampling, MCMC
- Теоретическая оценка качества обучения
- Регуляризация, LASSO
Для слушателей курса будет полезна книга The Elements of Statistical Learning: Data Mining, Inference, and Prediction.
