ПРОГРАММА КУРСА

"Искусственный интеллект: машинное обучение
и нейронные сети. Углубленный уровень"

Количество занятий: 16
Занятия 1-2

Оценка качества кластеризации

  • Силуэт.
  • V-мера.

Занятия 3-4

Регрессия

Регуляризация линейных моделей. Понятие о методе градиентного спуска. Логистическая регрессия. Оценка качества обучения с учителем. Кроссвалидация.

Решающие деревья
  • Решающее дерево.
  • Энтропия распределения. Алгоритм построения дерева сверху вниз.
  • Случайный лес.
  • Градиентный бустинг.
  • Использование деревьев в задачах регрессии.

Наивный байесовский классификатор
  • Формула Байеса.
  • Наивный байесовский классификатор.
  • Применение к задачам обработки текста.

Занятия 4-6

Оценка качества в случае несбалансированных классов

  • Точность, полнота, F-мера, ROC-кривая.

Получение данных

  • Готовые dataset, ручная разметка образцов, векторизация данных.

Очистка данных, преобразование признаков

  • Одномерные статистики (SelectPercentile).
  • Отбор признаков на основе модели (SelectFromModel).
  • Итеративный отбор признаков (RFE).
  • Конструирование признаков.

Занятия 6-10


Обучение с учителем

  • Алгоритм К ближайших соседей.
  • Алгоритм Опорных векторов.
  • Начало нейронных сетей.
  • Персептрон.
  • Сумматорные функции.
  • Функции активации.
  • Методы решений регрессионных задач.
  • Методы решения задач кластеризации.

Градиентный спуск
  • Метод обратного распространения ошибки.
  • Построение многослойного персептрона Румельхарта.

Работа с многослойным персептроном
  • Пример обработки данных dataset MNIST.
  • Обработка dataset "faces" из библиотеки Keras.


Занятия 10-16

Сверточные нейроные сети

  • Построение сверточной нейронной сети на основе готового слоя «InceptionV3» от Google
  • Загрузка готовых весов ImageNet.
  • Аугментация данных, принцип ее работы , польза его использования.
  • Поочередное обучение слоев, сохранение значения весов на жесткий диск и загрузка обратно в сеть.
  • Блокировка весов.
  • Тонкая настройка сети.
  • Обработка dataset CATs vs DOGs.

Построение рекуррентной нейронной сети и использование ее на реальном текстовом dataset.
  • Регуляризация сети.
  • Погружение слова
  • Введение в Word2vec
  • Введение в Glove
  • Проблема исчезающего и взрывного градиента

Практическое применение реккурентных нейронных сетей
  • Практика работы с реальным данными с сайта kaggle.com.
  • Автокодировщик
  • Практика глубокого обучения с применением нейронных сетей.
  • Порождающие состязательные сети.
  • Искусственный интеллект играет в игры. Q-обучение(обучение с подкреплением)
  • Сеть с памятью-отвечает на вопросы по изученному тексту
  • Глубокие сноведения
  • Гинерация синтетических данных с помощью глубокой нейронной сети
  • Ответы на вопросы, разбор домашних заданий, подводим итоги.