Машинное обучение

Общие понятия

• Общие понятия
• Модель алгоритма и ее выбор
• Переобучение
• Кросс-валидация
• Выброс
• Ранжирование
• Стохастический градиентный спуск
• Известные наборы данных
• Обучение с частичным привлечением учителя[math]^\star[/math]

Классификация и регрессия

• Метрический классификатор и метод ближайших соседей
• Дерево решений и случайный лес
• Вариации регрессии
• Линейная регрессия
• Логистическая регрессия
• Метод опорных векторов (SVM)
• Ядра
• Байесовская классификация
• Байесовские сети
• Поиск ближайших соседей с помощью иерархического маленького мира[math]^\star[/math]

Кластеризация

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

Ансамбли

• Виды ансамблей
• Бустинг, AdaBoost
• XGBoost[math]^\star[/math]
• CatBoost[math]^\star[/math]

Нейронные сети

• Нейронные сети, перцептрон
• Обратное распространение ошибки
• Практики реализации нейронных сетей

Глубокое обучение

• Глубокое обучение
• Настройка глубокой сети
• Batch-normalization
• Рекуррентные нейронные сети
• Долгая краткосрочная память
• Сегментация изображений

Сверточные сети

• Сверточные нейронные сети

Порождающие модели

• Generative Adversarial Nets (GAN)
• Автокодировщик
• Вариационный автокодировщик[math]^\star[/math]

Обработка естественного языка

• Распознавание речи
• Обработка естественного языка
• Векторное представление слов

Уменьшение размерности

• Уменьшение размерности

Обучение с подкреплением

• Обучение с подкреплением[math]^\star[/math]
• Методы policy gradient и алгоритм асинхронного актора-критика[math]^\star[/math]

Примеры кода

• Обзор библиотек для машинного обучения на Python
• Примеры кода на Java
• Примеры кода на Scala[math]^\star[/math]

В разработке

• Мета-обучение
• Оценка качества в задачах классификации и регрессии
• Задача нахождения объектов на изображении[math]^\star[/math]
• Neural Style Transfer[math]^\star[/math]
• EM-алгоритм
• Рекомендательные системы
• Настройка гиперпараметров
• Активное обучение[math]^\star[/math]
• Примеры кода на R[math]^\star[/math]
• Регуляризация
• Порождающие модели
• Классификация текстов и анализ тональности