Оглавление секции
-
БРС: 40 баллов - лабораторные работы, 20 баллов - контрольные по теории в семестре, 40 баллов - экзамен.
На практике оцениваться будет не столько правильность программы (ИИ обычно генерирует все без ошибок), а ответы студента на вопросы по коду. Во время защиты (сдачи лабораторной) времени на консультацию с ИИ не предполагается - ответы должны быть даны преподавателю сразу. Разрешена только одна попытка сдачи лабораторной. Оценка выставляется по результатам ответов на вопросы преподавателя по тексту программы.
Перед защитой лабораторной работы текст программы должен быть очищен от комментариев и другого вспомогательного текста. Только код.
-
Журнал оценок Гиперссылка
-
Другие книги Гиперссылка
-
-
История. Постановка задачи обучения по прецедентам. Типы задач. Вероятностная постановка задачи обучения. Выбор алгоритма в вероятностной постановке задачи. Проблема переобучения и обобщающая способность алгоритма.
-
Срок сдачи: суббота, 19 сентября 2026, 23:59
-
-
Обобщенный алгоритм. Примеры частных алгоритмов:
- метод ближайших соседей
- метод окна Парзена
Понятие выступа объекта. Алгоритм отбора эталонов. Проклятие размерности. Выбор метрики -
Применение формулы Байеса к задаче машинного обучения. Построение приближенной плотности распределения: одномерный и многомерный случаи.
Логистическая регрессия. Бинаризация признаков. Скоринг.
Смеси распределений. EM-алгоритм восстановления смеси. -
Общая формула линейного классификатора
Метод стохастического градиента. Обоснование
Выступ объекта для линейного классификатора
Кривая ошибок (ROC) и PR-кривая -
Метод наименьших квадратов. Геометрический смысл. Регуляризация. Сингулярное разложение. Непараметрическая регрессия
-
Понятие закономерности. Критерий качества закономерностей. Поиск закономерностей. Алгоритмы классификации на основе логических закономерностей
-
Случаи линейно разделимой и неразделимой выборок. Двойственная задача. Типы объектов. Нелинейное обобщение SVM. SVM-регрессия. L1 регуляризация