Дисципліна «Вступ домашинного навчання» надає можливість ознайомитися з
сучасними концепціями машинного навчання, основами алгоритмів, що
використовуються для аналізу даних, а також практичними методами їх
застосування
Викладач д.е.н., доцент Полуектова Наталія Робертівна. npoluektova68@gmail.com
Join Zoom Meeting
https://us02web.zoom.us/j/2608734634?pwd=Q0RSLzBzcXRHNy91NGlSUFgrbGxSdz09
Meeting ID: 260 873 4634
Passcode: YWUH8U
Поняття лінійної регресії. Моделі з багатьма ознаками. Основні алгоритми машинного навчання для задач регресії. Лінійна регресія: втрата. Лінійна регресія: гіперпараметри. Використання нейронних мереж та бібліотек Python для рішення задачі регресії.
Поняття класифікації. Постановка задачі. Метод опорних векторів. Метод дерев рішень. Порогові значення. Матриця плутанини. Основні показники моделі класифікації. Застосування нейронних мереж та Python для рішення задач класифікації
Поняття
та призначення. Кластерізація K-mean. Алгоритм ієрархічної
кластеризації. Алгоритм DBSCAN
(Density-Based Spatial Clustering of Applications with Noise). Нейронні мережі для
кластеризації
Структура нейромережі. Багатошарові нейронні мережі. Алгоритм зворотного поширення помилки. Комп'ютерне бачення. Рекурентні нейронні мережі
Принцип роботи мовних моделей. n-грами. Контекст. Рекуррентні нейронні мережі. LLM. Сучасні підходи у реалізації LLM