Машинное обучение 2 осень 2017

Семинар

Преподаватель: Кураленок И. Е.

План лекций:

1. Введение в область

2. Анализ задачи

    * Сэмплирование и размерность задачи
    * Уменьшение размерности: feature selection
    * Уменьшение размерности: feature extraction
    * Embedded модели на линейном примере (LASSO, LARS, etc.)

3. Практическая оценка методов машинного обучения 4. Теоретическая оценка 5. Основные принципы построения целевых функций 6. Необычные факторы в обучении

    * Обучение на последовательностях
    * Рекомендательные системы

7. Построение целевых функций 8. Введение в online обучение 9. Несколько подходов к построению решающей функции

    * Сэмплирование пространства решений и NFLT
    * Введение в байесовское моделирование
    * Сегментация пространства задачи (деревья, кластеризация,  :))
    * Ансамбли (BOC->Boosting)

10. История решения одной практической задачи (MLR)

Презентации:

Файл:Ml-1.pdf Лекция №1. Введение в область.