Курсы машинного обучения от школы Видео курсы на Youtube

Вводная лекция. В первой половине лекции вводятся обозначения и понятия, которые будут использоваться на протяжении всего курса: объекты, признаки, функция потерь, предсказательная модель, минимизация эмпирического риска, обучающая выборка, тестовая выборка, переобучение, скользящий контроль. Во второй половине лекции приводятся примеры прикладных задач классификации, регрессии, ранжирования. В конце кратко обсуждаются некоторые вопросы методологии машинного обучения: особенности реальных данных, межотраслевой стандарт CRISP-DM, организация вычислительных экспериментов.

Лектор: Радослав Нейчев

Таймлайн:

00:00 - про курс

16:50 - introduction to ML

27:40 - ML thesaurus

54:07 - supervised learning problem

1:02:55 - Naive Bayes classifier

1:12:45 - kNN

Лекция читается в рамках образовательного проекта "Техносфера Mail.ru Group" при МГУ им. М.В. Ломоносова. 

Цель курса — изучение используемых в различных отраслях нейросетевых алгоритмов, а также отработка всех изученных методов на практических задачах.

Нейронные сети являются лидирующим подходом в распознавании изображений, речи и текстов. В данном курсе вы познакомитесь как с классическими, так и с недавно предложенными, но уже зарекомендовавшими себя нейросетевыми алгоритмами.