„Strojové učenie“ - kurz 30 000 rubľov. z MsÚ, tréning 3 týždne. (1 mesiac), dátum: 2. decembra 2023.

Sekcia 1. Úvod. Príklady úloh. Logické metódy: rozhodovacie stromy a rozhodovacie lesy.

Logické metódy: klasifikácia objektov na základe jednoduchých pravidiel. Výklad a realizácia. Kombinácia do kompozície. Rozhodujúce stromy. Náhodný les.

Sekcia 2. Metódy metrickej klasifikácie. Lineárne metódy, stochastický gradient.

Metrické metódy. Klasifikácia na základe podobnosti. Vzdialenosť medzi objektmi. Metriky. Metóda k-najbližších susedov. Zovšeobecnenie na regresné problémy pomocou vyhladzovania jadra. Lineárne modely. Škálovateľnosť. Použiteľnosť na veľké dáta Metóda stochastického gradientu. Použiteľnosť pre ladenie lineárnych klasifikátorov. Koncept regularizácie. Vlastnosti práce s lineárnymi metódami. Metriky kvality klasifikácie.

Časť 3. Podporný vektorový stroj (SVM). Logistická regresia. Metriky kvality klasifikácie.

Lineárne modely. Škálovateľnosť. Použiteľnosť na veľké dáta Metóda stochastického gradientu. Použiteľnosť pre ladenie lineárnych klasifikátorov. Koncept regularizácie. Vlastnosti práce s lineárnymi metódami.

Časť 4. Lineárna regresia. Redukcia rozmerov, metóda hlavných komponentov.

Lineárne modely pre regresiu. Ich spojenie so singulárnym rozkladom matice „objektov-prvkov“. Zníženie počtu znakov. Prístupy k výberu funkcií. Metóda hlavnej zložky. Metódy redukcie rozmerov.

Sekcia 5. Kompozície algoritmov, zosilnenie gradientu. Neurálne siete.

Spájanie modelov do kompozície. Vzájomná korekcia chýb modelu. Základné pojmy a problémové vyjadrenia týkajúce sa kompozícií. Zosilnenie gradientu.
Neurálne siete. Hľadajte nelineárne deliace plochy. Viacvrstvové neurónové siete a ich ladenie metódou backpropagation. Hlboké neurónové siete: ich architektúry a vlastnosti.

Časť 6. Klastrovanie a vizualizácia.

Problémy učenia bez dozoru. Hľadanie štruktúry v údajoch. Problém zhlukovania je úlohou nájsť skupiny podobných objektov. Úlohou vizualizácie je mapovanie objektov do dvoj- alebo trojrozmerného priestoru.

Sekcia 7. Problémy aplikovanej analýzy dát: formulácie a metódy riešenia.

Čiastočné učenie ako problém medzi riadeným učením a zhlukovaním. Vzorkovací problém, v ktorom je hodnota cieľovej premennej známa len pre niektoré objekty. Rozdiel medzi čiastkovým problémom učenia a predtým diskutovanými formuláciami. Prístupy k riešeniu.
Analýza problémov z aplikovaných oblastí: scoring v bankách, poisťovníctvo, problémy s upisovaním, problémy s rozpoznávaním vzorov.

Adresa

119991, Moskva, ul. Leninskie Gory, 1, bldg. 51, 5. poschodie, miestnosť 544 (dekanát)

Zobraziť na mape