Course description «Машинное обучение»
Сегодня поток информации, обрушивающийся на человека, профессионала, особенно в такой области как web-индустрия, огромен. На помощь человеку приходят компьютерные программы, которые могут в автономном режиме анализировать поток информации, выделять в нем важные фрагменты, распознавать наступление событий, классифицировать эти события, прогнозировать будущее. Распознать лицо на фото, абзац информации на рекламном плакате, попытку несанкционированного доступа, попытку злоумышленников взломать сайт, спрогнозировать будущее поведение клиента сервиса, ... С подобными задачами классификации, кластеризации, регрессионного анализа и прогнозирования с успехом справляются алгоритмы обучения с использованием современной математики.
Рассматривается алгоритмы решения задач классификации, кластеризации, регрессионного анализа и прогнозирования. Попутно подробно разбирается необходимая базовая математика: матричная и векторная алгебра, линейные операторы,функционалы, вероятностные пространства, байесовские оценки, плотности распределения, ковариационные матрицы, метод правдоподобия. Рассматриваются линейные методы классификации, вероятностные методы, нейросетевая классификация, логические методы классификации (деревья решения), линейная и нелинейная регрессия, методы кластеризации.
Школьный уровень основ алгебры и математического анализа, основные понятия теории вероятностей
знание и понимание сути различных алгоритмов машинного обучения, умение применять базовые алгоритмы для решения задач машинного обучения, умение конструировать алгоритмы.