Arcadia AI — магистратура
Программа  /  Семестр 1 — AI Foundations
Курс

Classic ML, введение в Deep Learning

От линейных моделей до нейросетей: классический ML и первые шаги в Deep Learning

НСДНЯЛ
Никита Северин, Дмитрий Нестеров, Ярослав Леонов
Состав преподавателей обсуждается

О курсе

Курс строит сквозное понимание машинного обучения — от регрессии и SVM до свёрточных и рекуррентных сетей. Уделяется особое внимание теории обобщения, bias-variance tradeoff и правильной валидации моделей. Курс создаёт общий язык и базу экспериментов для всех последующих дисциплин программы.

Чему научитесь

✓Строить и валидировать классические ML-модели с обоснованным выбором гиперпараметров
✓Реализовывать нейросети с нуля, понимая роль каждого компонента обучения
✓Диагностировать underfitting и overfitting и применять соответствующие регуляризационные техники
✓Сравнивать алгоритмы по теоретическим и эмпирическим свойствам обобщения

Ключевые темы

•Линейная и логистическая регрессия; регуляризация (Ridge, Lasso, ElasticNet)
•Метрики качества: классификация, регрессия, ранжирование
•Деревья решений, ансамблевые методы (Random Forest, Gradient Boosting)
•SVM и ядровые методы
•Теория обобщения: VC-размерность, PAC-обучение
•Обратное распространение ошибки (бэкпроп) и автодифференцирование
•Свёрточные нейросети (CNN): архитектуры, пулинг, transfer learning
•Рекуррентные сети (RNN, LSTM, GRU)
•Нормализация (Batch Norm, Layer Norm), Dropout, ранняя остановка
Описание сгенерировано автоматически и ещё не проверено преподавателем — это черновик для обсуждения.