MachineLearning 2013 — различия между версиями
Материал из SEWiki
Mstepanov (обсуждение | вклад) (→Программа курса) |
Mstepanov (обсуждение | вклад) (→Лекции) |
||
| Строка 2: | Строка 2: | ||
== Лекции == | == Лекции == | ||
| − | + | Слайды к лекции от 20.02, 27.02 [[Медиа:lecture_stepanov_1_2.pdf]]. Материал изложенный в лекции так же доступен [http://cs229.stanford.edu/notes/cs229-notes1.pdf] | |
== Практические задания == | == Практические задания == | ||
Версия 14:01, 27 февраля 2013
Лектор - Степанов М.
Лекции
Слайды к лекции от 20.02, 27.02 Медиа:lecture_stepanov_1_2.pdf. Материал изложенный в лекции так же доступен [1]
Практические задания
Программа курса
- Методы визуализации и анализа
- Линейные модели
- Линейная регрессия
- Логистическая регрессия
- Обощенные линейные модели
- Регуляризация
- Классификация
- Наивный байес
- Деревья принятия решений, случайный лес
- Нейронные сети и алгоритм обратного распространени¤ ошибок
- Метод опорных векторов (SVM)
- AdaBoost
- Рекомендации по использованию алгоритмов машинного обучения
- Выбор модели
- Компромисc смещения-дисперсии (bias-variance trade-off)
- Кривая обучения
- Кластеризация
- Метод к-средних(k-means)
- EM-алгоритм
- Иерархические методы
- Рекомендации по использованию методов кластеризации
- Методы понижения размерности данных
- Метод главных компонент (PCA)
- Многомерное шкалирование
- Методы поиска аномалий в данных
- Рекомендательные системы
- Методы работы с большими объемами данных с использованием MapReduce
Список литературы
- Christopher M. Bishop, Pattern Recognition and Machine Learning
- Andrew Ng, Lecture notes, Machine Learning[2]
- Воронцов К.В., Машинное обучение (курс лекций)[3]
