Курс на Stepik
Обложка курса «Математические методы машинного обучения » на Stepik
Бесплатно

Математические методы машинного обучения ★ 0.000

Открыть на
STEPIK.ORG

Здравствуйте! Рад приветствовать Вас на курсе «Математические методы машинного обучения». Данный курс посвящён изучению математических основ и современных методов, технологий искусственного интеллекта и анализа данных. В рамках курса будут рассмотрены методы регрессии и классификации, анализ главных компонент, метод опорных векторов, основы глубокого обучения и нейронных сетей, механизмы внимания и многие другие современные методы машинного обучения. Успехов в изучении!

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Математические методы машинного обучения »Учеников на курсе 84
Сертификаты, выданные на курсе «Математические методы машинного обучения »Сертификатов выдано 0
Отзывы о курсе «Математические методы машинного обучения »Отзывов получено 0
Рейтинг курса «Математические методы машинного обучения »Рейтинг курса 0.000
Уроки в курсе «Математические методы машинного обучения »Количество уроков 83
Тесты в курсе «Математические методы машинного обучения »Количество квизов 15
Время прохождения курса «Математические методы машинного обучения »Время прохождения курса —
Обновления курса «Математические методы машинного обучения »Обновления курса — —
Дата публикации курса «Математические методы машинного обучения »Дата публикации курса — ———
Последнее обновление курса «Математические методы машинного обучения »Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Математические методы машинного обучения » 14 разделов Уроки в курсе «Математические методы машинного обучения » 83 урока Тесты в курсе «Математические методы машинного обучения » 15 тестов Время прохождения курса «Математические методы машинного обучения » 17 ч. Последнее обновление курса «Математические методы машинного обучения » обн. 31 августа 2026

Введение

1 урок
1. О курсе ↗

Машинное обучение

8 уроков
1. Почему необходимо МО ↗
2. Классификация изображений ↗
3. Типы машинного обучения ↗
4. Обучение без учителя ↗
5. Обучение с учителем ↗
6. Классификация цветов ↗
7. Итоги ↗
8. Практическая работа №1. Классические методы машинного обучения ↗

Регрессионные модели

10 уроков
1. Линейная регрессия ↗
2. Парная диаграмма ↗
3. Деревья решений ↗
4. Проблема переобучения. Случайные леса ↗
5. Градиентно-бустинговые модели ↗
6. SVM ↗
7. Оценка моделей ↗
8. Прогнозирование цен на такси ↗
9. Итоги ↗
10. Практическая работа №2. Задача регрессии ↗

Классификационные модели

8 уроков
1. Типы классификационных моделей ↗
2. Логистическая регрессия ↗
3. Метрики ↗
4. Категориальные данные ↗
5. Бинарная классификация ↗
6. Многоклассовая классификация ↗
7. Итоги ↗
8. Практическая работа №3. Задача классификации ↗

Введение в глубокое обучение

8 уроков
1. Основы нейронных сетей ↗
2. Типы нейронных сетей ↗
3. Многослойный перцептрон ↗
4. Обучение нейронных сетей ↗
5. Оптимизаторы ↗
6. Фреймворки для работы с нейросетями ↗
7. Итоги ↗
8. Практическая работа №4. Многослойный перцептрон ↗

Свертки

6 уроков
1. Простой пример сверточной сети ↗
2. Свертка ↗
3. Пулинг ↗
4. Еще немного о свертках ↗
5. Выводы ↗
6. Практическая работа №5. Свёрточные сети ↗

Рекуррентность

7 уроков
1. Рекуррентные нейронные сети (RNN) ↗
2. Архитектура RNN ↗
3. Проблема исчезающих градиентов в RNN ↗
4. LSTM ↗
5. Seq2Seq ↗
6. Итоги ↗
7. Практическая работа №6. Рекуррентные нейронные сети ↗

Механизм внимания

5 уроков
1. Что предшествовало ↗
2. Идея механизма внимания ↗
3. Luong и Bahdanau ↗
4. Применение механизма внимания ↗
5. Практическая работа №7. Механизмы внимания ↗

Трансформер

5 уроков
1. Проблемы RNN ↗
2. Архитектура трансформера ↗
3. BERT и GPT ↗
4. Трансформеры вне текста ↗
5. Практическая работа №8. Реализация трансформера ↗

Разработка, обучение модели, ансамбли

5 уроков
1. Выбор моделей ↗
2. Ансамбли ↗
3. Отслеживание экспериментов ↗
4. Отладка моделей ↗
5. Практическая работа №9. Ансамбли ↗

Генеративно-состязательные сети

6 уроков
1. Что такое GAN? ↗
2. Продвинутые архитектуры GAN ↗
3. Как искать научные статьи ↗
4. Применение GAN в различных областях ↗
5. Итоги ↗
6. Практическая работа №10. Применение GAN ↗

Трехмерное глубокое обучение

7 уроков
1. Mesh R-CNN: введение ↗
2. Полигональная сетка и воксел ↗
3. Архитектура Mesh R-CNN ↗
4. Графовые свертки ↗
5. Обнаружение 3D-структуры объекта ↗
6. Результаты модели Mesh R-CNN ↗
7. Практическая работа №11. Трехмерное глубокое обучение ↗

Геометрическое глубокое обучение

6 уроков
1. Основы ↗
2. Геометрическое представление данных и симметрии ↗
3. Архитектурные принципы GDL ↗
4. Основные модели ↗
5. Проектирование геометрических моделей ↗
6. Практическая работа №12. Геометрическое глубокое обучение ↗

Экзамен

1 урок
1. Экзамен ↗