Курс посвящен машинному обучению, самообучающимся системам. Короткий обзор затронутых в курсе тем: (
). Основные темы курса: деревья принятий решений, нейронные сети, генетические алгоритмы, байесовское обучение, байесовские сети доверия, алгоритмы кластеризации, стимулируемое обучение.
| № |
Название лекции |
Слайды |
Конспект |
Аннотация |
| 1 |
Деревья принятия решений (Decision trees) |
 |
|
- |
| 2 |
Нейронные сети I (Artificial Neural Networks I) |
|
|
- |
| 3 |
Нейронные сети II (Artificial Neural Networks II) |
|
|
- |
| 4 |
Генетические алгоритмы (Genetic algorithms) |
|
|
- |
| 5 |
Генетическое программирование (Genetic programming and a bit of practice) |
|
- |
- |
| 6 |
Байесовское обучение (Bayesian learning. Naive Bayes classifier) |
|
|
- |
| 7 |
Байесовское обучение II. Обучение концептам (Bayesian learning II. Concept learning) |
|
- |
- |
| 8 |
Байесовсие сети доверия (Bayesian belief networks. Basic notions and propagation in polytrees) |
|
- |
- |
| 9 |
Байесовсие сети доверия II (Bayesian belief networks II. Moral graphs, junction trees, propagation) |
|
- |
- |
| 10 |
Обучение байесовских сетей. Алгоритм EM (Learning Bayesian networks. EM algorithm) |
|
- |
- |
| 11 |
Алгоритмы кластеризации (Clustering. Graph algorithms, hierarchical clustering, FOREL) |
|
- |
- |
| 12 |
Алгоритмы кластеризации II (Clustering II. EM for clustering, k-means, fuzzy c-means) |
|
- |
- |
| 13 |
Стимулируемое обучение (Reinforcement learning) |
|
|
- |