Введение в машинное обучение

Аннотация курса

Данный курс является ознакомительным и направлен на изучение базовых элементов современного анализа данных, т. н. машинного обучения.  В первой половине курса будут сформированы математические аспекты теории машинного обучения и типовые задачи: классификации, регрессии, кластеризации. Далее слушатель познакомится с базовыми алгоритмами для решения поставленных задач. Во второй половине курса будут описаны некоторые базовые методы и критерии отбора признаков данных для изученных алгоритмов, а также способы выбора моделей. Также будут описаны методы композиции различных алгоритмов.

В конце курса, будет кратко рассказано о нейронных сетях (от обычного персептрона до сверточных нейронных сетей), а также об основных подходах их обучения.

Для освоения данного курса необходимы базовые знания высшей математики (в основном достаточно основ линейной алгебры), желательно небольшой опыт программирования (не обязательно), т.к. в ходе лекций, слушатель познакомится с языком программирования Python в качестве инструмента анализа данных.

Весь курс будет сопровождаться практическими примерами и заданиями различной направленности: информационные технологии, физика, медицина, экономика и т. д.

 

Преподователь: Пензин Максим Сергеевич

Требования: необходимо владение основами высшей математики (в основном линейной алгебры), также приветствуется опыт программирования и знание основных базовых алгоритмов.

Количество занятий: 15 лекций