Основи машинного навчання

Життєвий цикл проектів з аналізу даних CRISP DM. Розвідувальний аналіз даних. 

Статистичні розподілення. Кореляційно-регресійний аналіз: метод найменших квадратів, коефіцієнти кореляції, діаграма розсіювання. 

Основи класифікації: логістична регресія, наївний класифікатор Баєса, дерева рішень, метод k найближчих сусідів, метод опорних векторів. 

Основи кластеризації: метод k середніх. Метрики оцінки якості регресії, класифікації, кластеризації. Метод кросвалідації. Засоби мови програмування Python розв’язання задач кореляції, класифікації, кластеризації: бібліотека sklearn. 

У практичній частині курсу розв'язуються наступні задачі: класифікація на наборі даних Iris, Mnist. Регресія на наборі даних цін на нерухомість. Навчання з вчителем, без вчителя, з підкріпленням.

Лекційні та лабораторні заняття: доцент кафедри програмної інженерії Кудін Олексій Володимирович

e-mail: alexkudin@znu.edu.ua

Join Zoom Meeting

https://us04web.zoom.us/j/9971262369?pwd=KbnZh7gVBfvt9ukRYJuiYTeohyuLVj.1

Meeting ID: 997 126 2369

Passcode: KdNF4T

Лабораторні заняття:  доцент кафедри програмної інженерії Кривохата Анастасія Григорівна

e-mail: krivohata@znu.edu.ua

Інші засоби зв’язку: Telegram (приватні повідомлення починати з номеру Вашої групи, прізвища та імені), Moodle (приватні повідомлення)

Лабораторні заняття з курсу «Основи машинного навчання» відбуватимуться на базі платформи Google Meet відповідно до розкладу.
URL для підключення: https://meet.google.com/muk-hmhq-tmv