Глубокое машинное обучение (онлайн-учебник)
Материал из MachineLearning.
Victor Kitov (Обсуждение | вклад)
(Новая: Китов В.В. [https://deepmachinelearning.ru/ Глубокое машинное обучение], 2024, онлайн-учебник. == Аннотация == Онлайн-уче...)
К следующему изменению →
Текущая версия
Китов В.В. Глубокое машинное обучение, 2024, онлайн-учебник.
Аннотация
Онлайн-учебник по машинному обучению и глубокому обучению (нейросетям) на основе курсов "Методы машинного обучения" и "Глубокое машинное обучение", читаемых на факультете ВМК МГУ им. Ломоносова.
Первая часть учебника описывает весь процесс построения моделей машинного обучения:
- постановка и формализация задачи
- подготовка данных
- выбор модели и подбор гиперпараметров
- оценка качества и интерпретация результатов
В ней рассматриваются методы классического машинного обучения: метрические методы, линейные модели, деревья решений. Особое внимание уделяется построению прогнозов, используя не одну а композицию разных моделей (ансамбль). Рассматриваются популярные методы построения ансамблей моделей, такие как бэггинг, метод случайных подпространств, случайный лес, особо случайные деревья и бустинг. В конце учебника рассматриваются подходы к интерпретации настроенных моделей машинного обучения и полученных с их помощью прогнозов.
Вторая часть учебника посвящена глубокому обучению, то есть использованию нейросетей в задачах распознавания и прогнозирования.
Рассматривается обработка табличных данных, последовательностей, текстов и изображений с помощью нейросетей. Описываются основные нейросетевые архитектуры, такие как многослойный персептрон и свёрточная нейросеть, изучаются методы эффективной настройки глубоких нейросетевых моделей.
