К.В. Дмитриев | Методы машинного обучения в анализе изображений и временных рядов (2022) [PDF]

Введение. Задачи, подходы и возможности.
Библиотеки Python, используемые для машинного обучения.
Байесовский классификатор. Метод максимального правдоподобия. Априорная и апостериорная информация.
Линейные методы регрессии и классификации.
Метрические методы регрессии и классификации.
Метод опорных векторов.
Многомерная линейная и нелинейная регрессия. Градиентные методы.
Критерии оценки качества моделей. Логические закономерности.
Ансамбли алгоритмов. Беггинг и бустинг.
Искусственные нейронные сети. Базовые архитектуры и методы обучения.
Нейронные сети для распознавания цифр. Задачи обучения без учителя. Часть 1
Задачи обучения без учителя. Часть 2.
Работа в временными рядами.