Машинное обучение

В разработке

• Общие понятия
• Модель алгоритма и ее выбор
• Мета-обучение
• Оценка качества в задачах классификации и регрессии
• Оценка качества в задаче кластеризации[math]^\star[/math]
• Переобучение
• Линейная регрессия
• Логистическая регрессия
• Стохастический градиентный спуск
• Нейронные сети, перцептрон
• Сверточные нейронные сети
• Рекуррентные нейронные сети
• Задача нахождения объектов на изображении[math]^\star[/math]
• Neural Style Transfer[math]^\star[/math]
• LSTM
• Generative Adversarial Nets (GAN)[math]^\star[/math]
• Метрический классификатор и метод ближайших соседей
• Метод опорных векторов (SVM)
• Дерево решений и случайный лес
• Байесовская классификация
• Кластеризация
• Иерархическая кластеризация
• k-средних
• EM-алгоритм
• Бустинг, AdaBoost
• Ранжирование
• Рекомендательные системы
• Настройка гиперпараметров
• Уменьшение размерности
• Обучение с подкреплением
• Обучение с подкреплением[math]^\star[/math]
• Активное обучение
• Примеры кода на R
• Примеры кода на Java
• Обзор библиотек для машинного обучения на Python
• Выброс
• CatBoost
• Глубокое обучение
• Настройка глубокой сети
• Batch-normalization
• Практики реализации нейронных сетей