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