Видеолекции курса Машинное обучение.

Лекторы: Игорь Кураленок, Андрей Гулин.

Лекция 1. Машинное обучение: начало.

Постановка задачи. Виды обучения. “Дедуктивные” и “индуктивные” методы обучения.

Лекция 2. Один эксперимент.
Векторизация, факторы, интерпретация решений.

Лекция 3. Оценка методов обучения с учителем.
Отличия от стохастической оптимизации. Переобучение. Оценка качества обучения. Overfitting on validation. Кроссвалидация.

Лекция 4. Машинное обучение: обзор целевых функций.
Некоторые способы построения параметрической целевой функции: Lq, maximum a posteriori, метод максимального правдоподобия, метод максимальной энтропии.

Лекция 5. Переборные методы: сэмплирование.
Переборные методы. Сэмплирование пространства параметров.

Лекция 6. Генетические алгоритмы.
Генетические алгоритмы. Differential evolution.

Лекция 7. Линейные модели: введение.

Лекция 8. Линейные модели: уменьшаем variance.

Лекция 9. Линейные модели: сжатые чувства, SVM.

Лекция 10. Линейные модели: SVM (продолжение). Collaborative filtering.

Лекция 11. Генеративные вероятностные модели.

Лекция 12. Обзор методов оптимизации.

Лекция 13. Instance based learning (IBL).

Лекция 14. Обучение метрикам (по Brian Kulis).

Лекция 15. Обзор методов уменьшения размерности.

Лекция 16. Выбор свойств (feature selection).

Лекция 17. Уменьшение размерности: представление.

Лекция 18. Нейронные сети.

Лекция 19. Глубокое обучение.

Лекция 20. Деревья решений.

Лекция 21. Классификация.

Лекция 22. Классификация последовательностей (Андрей Гулин).

Лекция 23. GBDT. Смешанные модели.

Дополнительные материалы:
Видеолекции курса Машинное обучение. Часть 1 (2012).
Видеолекции курса Машинное обучение. Часть 2 (2012).

Автор: Roman Brovko

Видеолекции курса Машинное обучение. Часть 2.

Лектор: Игорь Кураленок.

Продолжение курса Машинное обучение. Часть 1

Лекция 1. Уменьшение размерности: обзор, feature selection.

Лекция 2. Feature extraction: PCA.

Лекция 3. Feature extraction: ICA.

Лекция 4. Feature extraction: SOM, cluster analysis, JL-lemma.