📄️ Обучение с учителем
Определение и примеры задач обучения с учителем. Объекты, признаки, обучающая выборка, типы задач машинного обучения с учителем
📄️ Настройка параметров модели
Настройка моделей машинного обучения. Функция потерь, функция выигрыша, оптимизация параметров методов машинного обучения.
📄️ Выпуклость потерь
Удобство выпуклых функций для оптимизации параметров алгоритмов машинного обучения. Определение выпуклой функции, свойства выпуклых функций.
📄️ Регуляризация модели
Регуляризация моделей машинного обучения. Виды регуляризации моделей. L1 регуляризация, L2 регуляризация, ElasticNet регуляризация, early stopping.
📄️ Взвешенный учёт наблюдений
Учёт наблюдений обучающей выборки с разными весами. Мотивация взвешенного учёта объектов обучающей выборки.
📄️ Связь с принципом максимального правдоподобия
Связь вероятностных моделей и моделей машинного обучения. Оценка вероятностных моделей методом максимального правдоподобия. Минимизация эмпирического риска.
📄️ Обобщающая способность
Понятие недообученных и переобученных моделей. Underfitting и overfitting. Понятие гиперпараметров моделей и их отличие от параметров моделей машинного обучения.
📄️ Оценка качества прогнозов
Оценка качества прогнозов алгоритмов машинного обучения. Подбор гиперпараметров моделей машинного обучения.
📄️ Этапы решения задачи машинного обучения
Последовательность действий при разработке и внедрении алгоритмов машинного обучения. Методология CRISP-DM.
📄️ Обучение без учителя
Определение и основные типы задач обучения без учителя в машинном обучении. Unsupervised learning.
📄️ Частичное обучение
Обучение моделей машинного обучения, когда часть объектов размечена, а часть не размечена.