Машинное обучение
Лекции по курсу, СПбПУ, 2015
- Общее введение.
- Введение.
- Наивный байесовский классификатор и метод ближайших соседей.
- Метод опорных векторов.
- Деревья решений.
- Нейронные сети.
- Методы обучения без учителя.
- Композиционные методы машинного обучения.
- Регрессионные модели.
- Автокодеры.
- Передача обучения и адаптация данных (Transfer Learning).
- Визуализация данных с использованием tSNE.
- Обучение с подкреплением.
- Порождающие модели: вариационный автокодер.
- Порождающие модели: GAN.
- Порождающие модели: Диффузионные модели.
- Глубокое обучение: Cверточные сети.
- Глубокое обучение: Архитектуры сверточных сетей.
- Сеть Хопфилда, ограниченная машина Больцмана, рекуррентная нейронная сеть.
- Сегментация изображений.
- Детекция изображений.
- Обучение на одном примере (One-shot learning).
- Функции потерь и показатели качества моделей.
- Неопределенность и калибровка.
- Объяснительный интеллект (Explainable AI).
- 7 приемов для более эффективного обучения нейронных сетей.
- Деформирующий автокодер и распутывание (Disentangling).
- Distillation and Batch Normalization.
- Модели внимания и трансформеры.
- Графовые нейронные сети.