Введение в машинное обучение

Программа курса

1. Основы машинного обучения. Примеры практического применения. Решаемые задачи: кластеризация, классификация, регрессия. Типы обучения: с учителем, без учителя, с подкреплением. Обощение и переобучение. Обучающая, проверочная и тестовая выборки.
2. Описательная статистика. Исследование и визуализация данных в Python. Линейная регрессия.Градиентный бустинг. Композиция последовательно уточняющих друг друга моделей. Библиотека XGBoost.

Навыки: Понимание работы алгоритма градиентного бустинга. Применение XGBoost для анализа данных.

1. Нейронные сети. Модель искусственного нейрона МакКаллока-Питса. Алгоритм обратного распространения ошибки. Глубокое обучение. Библиотеки глубокого обучения TensorFlow, Theano и Keras.  Сверточные нейронные сети. Уровни свертки и подвыборки. Задачи компьютерного зрения. Регуляризация Dropout.

Навыки: Разработка программ с использованием нейронных сетей. Применение нейронных сетей для задач компьютерного зрения. 

1. Рекуррентные нейронные сети. Сети долго-краткосрочной памяти. Задачи обработки текстов. Векторное представление слов.  

Навыки: Разработка программ с использованием нейронных сетей долго-краткосрочной памяти. Применение нейронных сетей для задач обработки текстов. 

1. Решение задачи регрессии с помощью нейронных сетей. Стандартизация данных.

Навыки: Понимание роли стандартизации данных для обучения нейронной сети. Решение задач регрессии с помощью глубоких нейронных сетей.

Преподаватель курса Егор Матешук — Data Scientist компании Ostrovok.ru, в прошлом Data Scientist в Global Innovation Labs. Ведущий специалист в различных IT-проектах по анализу данных, в т.ч. прогнозирование оттока клиентов для федерального банка, разработка модели кластерного анализа для оценки эффективности программ гос.поддержки.

Преподаватель курса Богачев Артем. Закончил ВМК МГУ. В университете занимался обратными задачами, компьютерным зрением, строил модели для многослойных оптических покрытий. После окончания университета решил углубиться в ML: читал книжки, проходил курсы, соревновался на Kaggle. Затем устроился в Островок, где и работает по сей день. За время работы решал широкий круг задач: ранжирование контента, рекомендации, предсказание поведения пользователей. Научные интересы: Online Learning, Monte Carlo, Reinforcement learning

Научный руководитель курса Игорь Балк — CEO Global Innovation Labs. Предприниматель с 20-летним опытом в разработке ПО и телекоммуникациях.  Под его руководством TaskPoint вошел в сотню самых перспективных стартапов по версии Innovate!2010, попал в финал конкурса MassChallenge 2010, был назван в числе 10 лучших ИТ-стартапов по версии MIT 100K ESC и заработал множество других отраслевых номинаций. До основания TaskPoint и Global Innovation Labs Игорь был соучредителем и главным техническим директором компании Unison Technologies. Игорь занимал ключевые посты в R3 Logic, PriceWaterhouseCoopers, Intermedia.NET и Intellisense (приобретена корпорацией Corning с оценкой в 750 миллионов долларов) и был соучредителем компании VISO, создателя первого онлайн-супермаркета. Является автором целого ряда научных работ и патентов. Игорь является членом программного комитета конференции DTIP MEMS/MOEMS и со-председателем орг. комитетов Internation Conferecne on Sustainable Cities и Internationa Conference on Big Data and Its Applications (BigData Conference). Член экспертного совета космического и ИТ кластеров фонда Сколково.