Введение в искусственный интеллект и машинное обучение - учебный курс | ИСТИНА – Интеллектуальная Система Тематического Исследования НАукометрических данных

Автор: Кумсков Михаил Иванович
Год создания: 2021
Организация: МГУ имени М.В. Ломоносова
Дистанционный курс
Описание: Рассматриваются основные типы моделей, используемые для поиска закономерностей в данных: регрессионный анализ, кластеризация данных, построение простых и обобщенных деревьев решений, сокращение данных – метод главных компонент. Эти методы, входящие в научную дисциплину «Распознавания образов» (Pattern Recognition), являются основой такой быстро развивающейся дисциплины как Business Intelligence (BI) и Машинное обучение (Machine Learning). Методы широко используются в бизнес-аналитике. Кратко обсуждаются идеи и методы нейронных сетей и машины поддерживающих векторов (SVM – Support Vector Machine), а также методы bootstrap-построения оценок при недостаточном числе исходных данных. Рассматриваются основные понятия «нечеткого» (fuzzy) анализа данных и их применения для построения новых признаков и ведения «нелинейности» в модели. Предлагаемые алгоритмы могут быть использованы в базах данных для восстановления (предсказания) пропущенных значений. Курс подготовлен при финансовой поддержке Междисциплинарной научно-образовательной школы Московского университета «Мозг, когнитивные системы, искусственный интеллект»
Добавил в систему: Кумсков Михаил Иванович

ИСТИНА

Интеллектуальная Система Тематического Исследования НАукометрических данных

Введение в искусственный интеллект и машинное обучениеучебный курс

Прикрепленные файлы

Преподавание курса

	ИСТИНА	Войти в систему Регистрация
	Интеллектуальная Система Тематического Исследования НАукометрических данных
	Главная Поиск Статистика О проекте Помощь