Назад

О курсе

Содержание курса

Тема 1. Постановки и примеры задач

Тема 2. Обзор Python и Jupyter Notebook

Тема 3. Метрики качества. Переобучение и недообучение. Подготовка данных

Тема 4. Метод наименьших квадратов для решения задачи восстановления регрессии

Тема 5. Логистическая регрессия. Нейронные сети. Метод обратного распространения ошибки. Регуляризация

Тема 6. Глубокое обучение

Тема 7. Обзор других методов обучения с учителем (байесовский и наивный байесов классификатор; линейный и квадратичный дискриминантный анализ; машина опорных векторов; деревья решений и их ансамбли)

Тема 8. Понижение размерности. Метод главных компонент

Тема 9. Методы кластеризации (самостоятельная работа)

Преподаватели

Золотых Николай Юрьевич

Доктор физико-математических наук, доцент, директор
Института информационных технологий, математики и механики ННГУ им. Н.И. Лобачевского

Кустикова Валентина Дмитриевна

Кандидат технических наук, доцент, доцент кафедры высокопроизводительных вычислений и системного программирования ННГУ им. Н.И. Лобачевского

Оставьте заявку