Математические основы машинного обучения и прогнозирования

Цели освоения дисциплины:

Курс посвящен изложению актуального раздела математики и информационных технологий — математическим основам машинного обучения и прогнозирования. В курсе будут излагаться различные алгоритмы машинного обучения. Будут изложены теория линейных классификаторов, алгоритмы построения классификаторов для линейно разделимых выборок, метод опорных векторов и его обобщение — ядерные методы машинного обучения, Будут представлены алгоритмы вероятностного машинного обучения Также в курсе будут изложены разделы, относящиеся к интеллектуальным методам прогнозирования. Будут представлены алгоритмы экспоненциального смешивания экспертных прогнозов (как детерминированные, так и вероятностные), агрегирующий алгоритм В.Г.Вовка, алгоритм усиления классификаторов (бустинг). Также будут представлены основные подходы машинного обучения с подкреплением.

В результате освоения курса студенты получат знания в области математических основ машинного обучения и прогнозирования. Они будут ознакомлены с математическими моделями машинного обучения и прогнозирования, и получат навыки применения этих знаний для решения актуальных теоретических и практических задач машинного обучения и прогнозирования.

В конце прохождения курса будет проведён зачёт.

Для прохождения курса студентам необходимы знания математической логики, линейной алгебры, дискретной математики.

Занятия проводятся в ГЗ МГУ им. М. В. Ломоносова, Аудитория 16-10

В программе курса 24 занятия: 12 лекций и 12 практических занятий

Формат проведения: оффлайн

Старт курса: 19 февраля 2025 года

Занятия будут проходить по средам с 15:00 до 16:30

Запись на занятия на сайте

Telegram курса

Набор на курс 2025 года закрыт