zhChinese    enEnglish
  ПМ-ПУ  » Образование  » Программы курсов » Машинное обучение

Машинное обучение

Лектор: Караковский Сергей Анатольевич

Основные понятия и пример прикладных задач. Методы классификации.
1.1 Методы классификации. Оптимальный байесовский классификатор.
1.2 Непараметрическое оценивание плотности.
1.3 Разделение смеси распределений.
1.4 Метрические методы классификации. Метод ближайших соседей и его обобщения.
1.5 Отбор эталонов и оптимизация метрики.
Линейные методы классификации.
2.1 Градиентные методы.
2.2 Логистическая регрессия.
2.3 Метод опорных векторов.
2.4 Функция ядра. Метод релевантных векторов.
3. Инструментальная поддержка командной разработки.
3.1. Основы MatLab.
3.2. Пакет для работы с классификаторами в MatLab
3.3. Комплексная библиотека с открытым исходным кодом для изучения Машинного обучения PyBrain.

Литература

  1. Шмыров А.С., Шмыров В.А. "Теория вероятностей и математическая статистика. Часть 1. Теория вероятностей". СПб.: "СОЛО", 2007. 187 стр.
  2. Сухарев, Алексей Григорьевич Курс методов оптимизации/ А. Г. Сухарев, А. В. Тимохов, В. В. Федоров. - 2-е изд. - М. ; М.: ФИЗМАТЛИТ, 2005. - 368 с. - (Классический университетский учебник). - ISBN 5-9221-0559-0 (в пер.)