Теоретический материал

Машинное обучение — это область искусственного интеллекта, которая позволяет компьютерам обучаться на данных и находить закономерности без явного программирования. Основные задачи машинного обучения включают классификацию, регрессию и кластеризацию, а также прогнозирование будущих событий на основе предыдущих данных. Чтобы успешно освоить машинное обучение, необходимо иметь базовые знания в области математики, таких как линейная алгебра, теория вероятностей и математический анализ, а также понимать основные алгоритмы машинного обучения.

Основные темы:

• Пределы
• Производные
• Линейная регрессия
• Градиентный спуск
• Статистика
• Теория вероятностей
• Дерево решений
• Рандомные леса
• Математические основы для KNN
• Метод ближайших соседей (KNN)
• Математические основы для метода опорных векторов
• Метод опорных векторов (SVM)
• Графы
• Матрицы
• Нейронные сети
• Forward Propagation и Back Propagation