Компьютерные науки

Машинное обучение

Программа предлагает углубленное изучение задач машинного обучения и нейронных сетей в соответствии с международными стандартами.
Студентов 2036 Выпускников 113 Для профессионалов
690 ₽ 1 200 ₽
или любая сумма на ваше усмотрение
Вы можете оплатить любую сумму, чтобы поддержать наш проект и авторов программы. Объем услуг не зависит от размера вашей оплаты.
Объем
36 час.
Длительность
30 дней
Нагрузка в неделю
9 час.
Формат обучения
Дистанционно (самостоятельно)
Описание Учебный курс посвящен математическим основам машинного обучения и нейронных сетей. В рамках обучения исследуются задачи обучения по прецедентам: классификация, кластеризация, регрессия и понижение размерности. Материал охватывает как классические подходы, так и современные методы бустинга, генетические алгоритмы и коллаборативную фильтрацию. Курс ориентирован на специалистов по анализу данных, разработчиков и исследователей, стремящихся понять внутреннюю логику и ограничения алгоритмов. Акцент на строгом обосновании помогает сформировать системный подход к проектированию и настройке моделей для различных практических сценариев.
Цели
  • Сформировать понимание математических принципов функционирования алгоритмов машинного обучения.
  • Развить навыки выбора оптимальных методов для задач классификации, регрессии и кластеризации.
  • Систематизировать знания о современных архитектурах нейронных сетей и методах их обучения.
  • Подготовить к проведению критического анализа достоинств и ограничений различных моделей данных.
Чему я научусь?
  • Реализовывать и настраивать линейные и метрические классификаторы для практических задач.
  • Применять методы регуляризации и стохастического градиента для оптимизации обучения.
  • Проектировать многослойные нейронные сети и композиции алгоритмов.
  • Использовать тематическое моделирование и коллаборативную фильтрацию в аналитических проектах.
  • Оценивать качество моделей с помощью метрик точности и методов скользящего контроля.

Авторы

Воронцов Константин Вячеславович
Воронцов Константин Вячеславович
Чему я научусь?
  • Реализовывать и настраивать линейные и метрические классификаторы для практических задач.
  • Применять методы регуляризации и стохастического градиента для оптимизации обучения.
  • Проектировать многослойные нейронные сети и композиции алгоритмов.
  • Использовать тематическое моделирование и коллаборативную фильтрацию в аналитических проектах.
  • Оценивать качество моделей с помощью метрик точности и методов скользящего контроля.

Учебный план

№ Занятия
Экзамен экстерном Внимание! Экзамен экстерном не обязательный для сдачи. При желании вы можете его пройти, если хотите подтвердить свои знания по данному курсу без его изучения или поверить свои знания по нему. Экзамен экстерном можно сдать только один раз. 90 мин
1 Организационные вопросы
Организационные вопросы тест для курса Машинное обучение 40 мин
2 Основные понятия: объекты, признаки, матрицы
Основные понятия: объекты, признаки, матрицы тест для курса Машинное обучение 40 мин
3 Понятие алгоритма
4 Примеры прикладных задач
Примеры прикладных задач тест для курса Машинное обучение 55 мин
5 Итоги лекции
Итоги лекции тест для курса Машинное обучение 40 мин
6 Постановка задачи классификации
Постановка задачи классификации тест для курса Машинное обучение 40 мин
7 Восстановление одномерных плоскостей
8 Выбор метрики, ядра, ширины окна
Выбор метрики, ядра, ширины окна тест для курса Машинное обучение 40 мин
9 Параметрическое оценивание плотности
Параметрическое оценивание плотности тест для курса Машинное обучение 40 мин
10 Нормальный дискриминантный анализ
11 Проблема мультиколлинеарности
Проблема мультиколлинеарности тест для курса Машинное обучение 60 мин
12 Модель смеси распределений
Модель смеси распределений тест для курса Машинное обучение 40 мин
13 EM-алгоритм
EM-алгоритм тест для курса Машинное обучение 40 мин
14 Практическая часть
Практическая часть тест для курса Машинное обучение 55 мин
15 Гипотеза компактности
Гипотеза компактности тест для курса Машинное обучение 40 мин
16 Метод потенциальных функций
Метод потенциальных функций тест для курса Машинное обучение 40 мин
17 Обобщенный метрический классификатор
18 Алгоритм STOLP
Алгоритм STOLP тест для курса Машинное обучение 60 мин
19 Понятие конкурентного сходства
Понятие конкурентного сходства тест для курса Машинное обучение 40 мин
20 Задача построения разделяющей поверхности
Задача построения разделяющей поверхности тест для курса Машинное обучение 40 мин
21 Линейный классификатор
Линейный классификатор тест для курса Машинное обучение 40 мин
22 Алгоритм SG (Stochastic Gradient)
23 Частные случаи метода SG
Частные случаи метода SG тест для курса Машинное обучение 40 мин
24 Регуляризация эмпирического риска
Регуляризация эмпирического риска тест для курса Машинное обучение 40 мин
25 Основание логистической регрессии
Основание логистической регрессии тест для курса Машинное обучение 40 мин
26 Метод опорных векторов (SVM)
27 Задача поиска седловой точки функции Лангранжа
28 Обоснование кусочно-линейной функции потерь
29 Машина релевантных векторов RVM
Машина релевантных векторов RVM тест для курса Машинное обучение 40 мин
30 Задачи регрессии: основные понятия и определения
31 Непараметрическая регрессия
32 Линейная регрессия
33 Регуляризация
34 Метод главных компонент
Метод главных компонент тест для курса Машинное обучение 40 мин
35 Метод наименьших квадратов (повторение)
36 Нелинейная модель регрессии
37 Искусственные нейронные сети
38 Многослойная нейронная сеть
Многослойная нейронная сеть тест для курса Машинное обучение 40 мин
39 Повторение методов обучения многослойных нейронных сетей
40 Прореживание сети (OBD - Optimal Brain Damage)
41 Задача кластеризации (задачи обучения без учителя)
42 Сеть Кохонена
43 Постановка задачи кластеризации
44 Агломеративная иерархическая кластеризация
45 Статистические методы кластеризации
Статистические методы кластеризации тест для курса Машинное обучение 60 мин
46 Постановка задачи частичного обучения
47 Методы кластеризации
48 Методы классификации
Методы классификации тест для курса Машинное обучение 40 мин
49 Задачи обучения композиций
50 Алгоритмы Бустинга
51 Обобщение алгоритма AdaBoost
Обобщение алгоритма AdaBoost тест для курса Машинное обучение 40 мин
52 Стохастические методы построения композиций
53 Квазилинейная композиция
Квазилинейная композиция тест для курса Машинное обучение 40 мин
54 Задачи выбора метода обучения
55 Бинарная функция потерь. Матрицы ошибок
56 Метод структорной минимизации риска
57 Монотонные методы обучения
Монотонные методы обучения тест для курса Машинное обучение 40 мин
58 Скользящий контроль
59 Алгоритм полного перебора
60 Алгоритм эадного добавления
61 Поиск в глубину
62 Поиск в ширину
63 Генетические алгоритмы поиска
64 Случайный поиск с адаптацией
Случайный поиск с адаптацией тест для курса Машинное обучение 40 мин
65 Отбор признаков в задачах классификации
66 Задачи интерпретируемости
67 Задачи перебора конъюнкций
68 Вспомогательная задача бинаризации вещественного признака
69 Алгоритм решающего списка
70 Достоинства и недостатки решающих деревьев
71 Решающие леса
Решающие леса тест для курса Машинное обучение 60 мин
72 Взвешенное голосование закономерностей
73 Чередующееся решающее дерево-ADT
74 Обучение ADT методом бустинга
75 Невнимательные решающие деревья-ODT
76 Методы поиска ассоциативных правил
77 Алгоритм APriory
78 Алгоритм FP-growth
Алгоритм FP-growth тест для курса Машинное обучение 40 мин
79 Постановка задачи коллаборативной фильтрации
80 Методы коллаборативной фильтрации
81 Понятие латентной модели
82 Вероятностный латентный сематический анализ (PLSA)
Вероятностный латентный сематический анализ (PLSA) тест для курса Машинное обучение 40 мин
83 Постановка задачи тематического моделирования
84 Задачи максимизации правдоподобия
85 Латентное размещение Дирихле
86 Стандартная методика оценивания моделей языка
87 Обобщения и модификации тематических моделей
88 Проблема построения иерархических тематических моделей
Проблема построения иерархических тематических моделей тест для курса Машинное обучение 60 мин
89 Постановка задачи о многоруком бандите
90 Динамическое программирование
Динамическое программирование тест для курса Машинное обучение 40 мин
Тренировочный экзамен Внимание! Тренировочный экзамен экстерном не обязательный для сдачи. При желании вы можете его пройти, если хотите проверить свои знания курса перед сдачей экзамена. Тренировочный экзамен можно сдавать сколько угодно один раз. 90 мин
Экзамен 60 мин

Какой документ я получу?

Сертификат

Выдаётся автоматически после успешного завершения программы.

Удостоверение о повышении квалификации

Выдается при наличии среднего специального или высшего образования (необходимые документы).

Стоимость программы

690 ₽ 1 200 ₽
или любая сумма на ваше усмотрение
Вы можете оплатить любую сумму, чтобы поддержать наш проект и авторов программы. Объем услуг не зависит от размера вашей оплаты.
^