Машинное обучение

Общие понятия

• Модель алгоритма и ее выбор
• Переобучение
• Кросс-валидация
• Выброс

Классификация и регрессия

• Метрический классификатор и метод ближайших соседей
• Нейронные сети, перцептрон
• Дерево решений и случайный лес

Кластеризация

• Кластеризация
• Иерархическая кластеризация
• Оценка качества в задаче кластеризации[math]^\star[/math]

Ансамбли

• Бустинг, AdaBoost
• CatBoost

Глубокое обучение

• Глубокое обучение
• Настройка глубокой сети
• Batch-normalization
• Практики реализации нейронных сетей
• Сверточные нейронные сети
• Generative Adversarial Nets (GAN)[math]^\star[/math]

Обучение с подкреплением

• Обучение с подкреплением

Примеры кода

• Примеры кода на Scala

В разработке

• Общие понятия
• Мета-обучение
• Оценка качества в задачах классификации и регрессии
• Линейная регрессия
• Логистическая регрессия
• Стохастический градиентный спуск
• Рекуррентные нейронные сети
• Задача нахождения объектов на изображении[math]^\star[/math]
• Neural Style Transfer[math]^\star[/math]
• LSTM
• Метод опорных векторов (SVM)
• Байесовская классификация
• EM-алгоритм
• Ранжирование
• Рекомендательные системы
• Настройка гиперпараметров
• Уменьшение размерности
• Активное обучение
• Примеры кода на R
• Примеры кода на Java
• Обзор библиотек для машинного обучения на Python