Лекции по курсу “Принятие решений в условиях неопределенности”

1.      Элементы теории Демпстера-Шейфера.

2.      Многокритериальное принятие решений.

2.      Байесовский подход.

3.      Элементы теории принятия решений.

 

 Задания на курсовую работу по курсу и порядок выполнения.

Лабораторные работы по курсу "Принятие решений в условиях неопределенности"   Работа 1.

 

 

Лекции по курсу “Машинное обучение”

1.      Введение.

2.      Наивный байесовский классификатор и метод ближайших соседей.

3.      Метод опорных векторов.

4.      Деревья решений.

5.      Нейронные сети.

6.      Методы обучения без учителя.

7.      Композиционные методы машинного обучения.

8.      Регрессионные модели.

9.      Глубокое обучение: автокодеры (Deep Learning: autoencoders).

10.      Передача знаний и адаптация данных (Transfer Learning and Domain Adaptation).

11.      Визуализация данных с использованием t-SNE.

12.      Глубокие порождающие модели - вариационный автокодер (Deep Generative Learning - VAE).

13.      Сверточные сети.

14.      Сети Хопфилда, ограниченная машина Больцмана, рекуррентная нейронная сеть, сиамская сеть.

Hosted by uCoz