Описание:1. Постановка задач машинного обучения. Понятие искусственного интеллекта.
2. Валидация алгоритмов, различные типы валидации.
3. Переобучение. Недообучение. Декомпозиция ошибки на смещение и разброс.
4. Методы классификации. Байесовский подход.
5. Методы классификации. Метрические методы.
6. Методы классификации. Линейные классификаторы.
7. Введение в искусственные нейронные сети. Теорема Новикова.
8. Машины опорных векторов.
9. Решающие деревья и логические методы классификации.
10. Методы восстановления регрессии. Линейные модели.
11. Методы восстановления регрессии. Нелинейные модели.
12. Композиции алгоритмов машинного обучения. Композиции классификаторов.
13. Композиции алгоритмов машинного обучения. Градиентный бустинг.
14. Метрики качества, обобщающая способность.
15. Задачи компьютерного зрения.