Skip to content
No description, website, or topics provided.
Jupyter Notebook HTML
Branch: master
Clone or download
Fetching latest commit…
Cannot retrieve the latest commit at this time.
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
assignments added new programming assignment Apr 17, 2019
cheatsheets Update README.md Jan 26, 2019
lec Lecture10 + prac on ensembles Apr 27, 2019
prac Lecture10 + prac on ensembles Apr 27, 2019
README.md Update README.md May 29, 2019

README.md

Введение в компьютерный интеллект. Машинное обучение.

Содержание

Новости

Краткая информация

В весеннем семестре 2019 года на механико-математическом факультете МГУ им. М. В. Ломоносова начинается чтение нового спецкурса по выбору студента, посвященного классическим алгоритмам машинного обучения.

Курс будет читаться на базе кафедры Математической Теории Интеллектуальных Систем под руководством д.ф.-м.н., профессора Бабина Д. Н. Курс будут читать к.ф.-м.н. Петюшко А. А. и к.ф.-м.н. Иванов И. Е.

Время и место

Курс читается по пятницам, 18:30, ГЗ МГУ, аудитория 1225.

Связь с преподавателями

  • Telegram-канал, в котором будут появляться все важные новости
  • Обратная связь - по почте mlcoursemm@gmail.com
  • Ну и всегда можно написать в issues :)

Результаты выполнения заданий

  • Соревнование по машинному обучению
  • Второе практическое задание
    • Сроки сдачи: дедлайн 17 мая, если будет сдача после него - баллы умножаются на 0.5
    • Разбалловка указана в самом ноутбуке
    • Решения присылать на почту курса mlcoursemm@gmail.com
    • Формат: ноутбук с Вашим кодом
  • Второе теоретическое задание
    • Сроки сдачи: дедлайн 10 мая, если будет сдача после него - баллы умножаются на 0.5
    • Все остальные условия - как и в первом теоретическом задании
  • Первое практическое задание
    • Сроки сдачи: дедлайн 8 апреля, если будет сдача после него - баллы умножаются на 0.5
    • Разбалловка указана в самом ноутбуке
    • Решения присылать на почту курса mlcoursemm@gmail.com
    • Формат: ноутбук с Вашим кодом
  • Первое теоретическое задание
    • Сроки сдачи: дедлайн 1 апреля, если будет сдача после него - баллы умножаются на 0.5
    • Разбалловка: 1 балл за задачу, если в задаче подпункты - то по баллу за каждый подпункт
    • Решения присылать на почту курса mlcoursemm@gmail.com
    • Формат: лучше пдф-кой (сделать в ТеХе), но можно и просто сфотографировать решение на камеру
  • Итоговая табличка: Ссылка на гуглдокс

Программа курса

Тема 1. Постановка задач машинного обучения. Понятие искусственного интеллекта.

Тема 2. Валидация алгоритмов, различные типы валидации.

Тема 3. Переобучение. Недообучение. Декомпозиция ошибки на смещение и разброс.

Тема 4. Методы классификации. Байесовский подход.

Тема 5. Введение в язык программирования Python. Обзор библиотеки scikit-learn.

Тема 6. Методы классификации. Метрические методы.

Тема 7. Стохастический градиентный спуск.

Тема 8. Методы классификации. Линейные классификаторы.

Тема 9. Введение в искусственные нейронные сети. Теорема Новикова.

Тема 10. Машины опорных векторов.

Тема 11. Решающие деревья и логические методы классификации.

Тема 12. Методы восстановления регрессии. Линейные модели.

Тема 13. Методы восстановления регрессии. Нелинейные модели.

Тема 14. Композиции алгоритмов машинного обучения. Композиции классификаторов.

Тема 15. Тестирование алгоритмов, метрики качества.

Тема 16. Задачи компьютерного зрения.

Список литературы

  1. Курс лекций по машинному обучению на http://www.machinelearning.ru от Воронцова К. В.
  2. Hastie, T. and Tibshirani, R. and Friedman, J. The Elements of Statistical Learning, 2nd edition, Springer, 2009.
  3. Bishop, C.M. Pattern Recognition and Machine Learning, Springer, 2006.

Полезные ссылки

Шпаргалки

Введение в Python

Введение в машинное обучение

You can’t perform that action at this time.