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)

  1. Леса
  2. Ансамбли
  3. Gradient Bossting Decision Tree

Модуль 4 (Работа с данными)

  1. Сэмплирование данных
  2. Уменьшение размерности
  3. Кластеризация
  4. Feature extraction
  5. Обучение метрики

Модуль 5 (Обучение на сырых данных)

  1. Коллаборативная фильтрация
  2. Обучение на последовательностях, HMM
  3. Глубокое обучение

Модуль 6 (Создание методов обучения)

  1. Целевые функции
  2. Вероятностные модели
  3. EM, Gibbs sampling, MCMC
  4. Теоретическая оценка качества обучения
  5. Регуляризация, LASSO

Для слушателей курса будет полезна книга The Elements of Statistical Learning: Data Mining, Inference, and Prediction.

Преподаватели