Математические основы машинного обучения и прогнозирования
Механико-математический факультет

Курс включает знакомство с основными понятиями теории машинного обучения и прогнозирования. В первой части курса рассматривается формализация основных задач машинного обучения, излагаются алгоритмы обучения для линейно разделимых обучающих выборок, методы градиентного спуска и его разновидности, метод обучения нейронных сетей, метод опорных векторов, ядерные методы машинного обучения, регрессионный анализ, метрические и вероятностные модели машинного обучения, логические модели машинного обучения. Во второй части рассматриваются задачи адаптивного прогнозирования в нестохастических теоретико-игровой и сравнительной постановках: игры с прогнозами и прогнозы с использованием экспертных стратегий.