|
ИСТИНА |
Войти в систему Регистрация |
ФНКЦ РР |
||
Теория надёжности обучения по прецедентамучебный курс
- Автор: Воронцов К.В.
- Год создания: 2007
- Организация: МГУ имени М.В. Ломоносова
- Описание: Спецкурс знакомит студентов с теорией вычислительного обучения (computational learning theory, COLT), исследующей проблему надёжности восстановления зависимостей по эмпирическим данным. Родоначальниками этой теории были советские математики В. Н. Вапник и А. Я. Червоненкис. В 80-е годы эта теория получила широкую мировую известность, и в настоящее время продолжает развиваться. Один из основных вопросов теории COLT — как количественно оценить способность алгоритмов классификации и прогнозирования к обобщению эмпирических фактов. В каких случаях можно утверждать, что общие закономерности, выявленные по частным прецедентам, не окажутся ложными, предрассудками? Как избежать переобучения — ситуации, когда ответы алгоритма удаётся хорошо подогнать под обучающие данные, но на новых контрольных данных они оказываются существенно менее точными? Как управлять обобщающей способностью алгоритма на стадии его построения? Эти и другие смежные вопросы рассматриваются в данном спецкурсе. Цели спецкурса — научить студентов оценивать надёжность алгоритмов обучения; использовать оценки обобщающей способности для разработки более надёжных алгоритмов; применять их для решения прикладных задач классификации, регрессии, прогнозирования. В основу курса легли современные результаты, полученные в COLT за последнее десятилетие, а также собственные исследования автора по комбинаторной теории переобучения и слабой вероятностной аксиоматике.
- Добавил в систему: Воронцов Константин Вячеславович
Преподавание курса
- 1 сентября 2007 - 31 мая 2017 Воронцов Константин Вячеславович
- МГУ имени М.В. Ломоносова, Факультет вычислительной математики и кибернетики, Кафедра математических методов прогнозирования
- из МФТИ (государственная организация, университет, Россия)
- обязательная, по выбору (спецкурс), лекции, 36 часов
- Автор: Воронцов К.В.