Курс по выбору «Методы и алгоритмы машинного обучения»
МФТИ — Московский физико-технический институт ·
Классическое машинное обучение — построение и анализ алгоритмов, которые извлекают закономерности из данных: линейные модели, ансамбли деревьев, кластеризация, снижение размерности. Направление опирается на математическую статистику, теорию вероятностей и методы оптимизации, что позволяет не только применять готовые методы, но и понимать, почему и когда они работают. Специалисты с практическими знаниями и навыками в этой сфере высоко востребованы в индустрии: классические подходы остаются рабочим инструментом в задачах с табличными данными, в рекомендательных системах, скоринге и прогнозировании. О курсе О чём будем говорить: виды задач в ML и классические подходы к их решению связь с математической статистикой — без неё никуда методы оптимизации в ML немного DL в финале Глобальная цель — дать понимание идей машинного обучения, подкрепив их хорошей математической базой и алгоритмической составляющей. Будут интересные домашние задания и соревнования. Для кого Курс является одним из курсов по выбору в цикле классического ML и ориентирован на студентов 3го курса ФПМИ, которые хотели бы обучаться на кафедре ПИР или работать с лабораторией фундаментальных исследований искусственного интеллекта под руководством Александра Николаевича Безносикова Преподаватель Александр Николаевич Безносиков, доцент кафедры Математических основ управления, д.ф-м.н, руководитель лаборатории фундаментальных исследований искусственного интеллекта Расписание курс начинается 7 сентября. Занятия будут проходить в 521ГК с 17:05 до 20:05 Дополнительная информация На курс есть конкурсный отбор. Для участия, заполните форму: https://forms.gle/aVfp9eS3aUpa7uwC6 По всем вопросам можно обращаться к Григорию Давыденко t.me/desertSmoke42 и Александре Сысоевой t.me/salexame
Классическое машинное обучение — построение и анализ алгоритмов, которые извлекают закономерности из данных: линейные модели, ансамбли деревьев, кластеризация, снижение размерности. Направление опирается на математическую статистику, теорию вероятностей и методы оптимизации, что позволяет не только применять готовые методы, но и понимать, почему и когда они работают. Специалисты с практическими знаниями и навыками в этой сфере высоко востребованы в индустрии: классические подходы остаются рабочим инструментом в задачах с табличными данными, в рекомендательных системах, скоринге и прогнозировании. О курсе О чём будем говорить: виды задач в ML и классические подходы к их решению связь с математической статистикой — без неё никуда методы оптимизации в ML немного DL в финале Глобальная цель — дать понимание идей машинного обучения, подкрепив их хорошей математической базой и алгоритмической составляющей. Будут интересные домашние задания и соревнования. Для кого Курс является одним из курсов по выбору в цикле классического ML и ориентирован на студентов 3го курса ФПМИ, которые хотели бы обучаться на кафедре ПИР или работать с лабораторией фундаментальных исследований искусственного интеллекта под руководством Александра Николаевича Безносикова Преподаватель Александр Николаевич Безносиков, доцент кафедры Математических основ управления, д.ф-м.н, руководитель лаборатории фундаментальных исследований искусственного интеллекта Расписание курс начинается 7 сентября. Занятия будут проходить в 521ГК с 17:05 до 20:05 Дополнительная информация На курс есть конкурсный отбор. Для участия, заполните форму: https://forms.gle/aVfp9eS3aUpa7uwC6 По всем вопросам можно обращаться к Григорию Давыденко t.me/desertSmoke42 и Александре Сысоевой t.me/salexame