Maşın Öyrənməsi kompüterlərə verilənlərdən öyrənmək imkanı verən, demək olar ki, hər bir elmi intizamın mərkəzində dayanan və məlumatlardan ümumiləşdirmənin (yəni proqnozlaşdırmanın) öyrənilməsi maşın öyrənməsinin mərkəzi mövzusudur. Bu kurs maşın öyrənməsinə magistr səviyyəsində giriş və maşın öyrənməsində yeni və qabaqcıl metodları, habelə onların əsas nəzəriyyəsini dərindən əhatə edir. O, praktiki əhəmiyyət kəsb edən yanaşmaları vurğulayır və Data Mining (Böyük Məlumat/Məlumat Elmi, Məlumat Analitikası), Təbii Dil Emalı, Kompüter Görünüşü, Robototexnika, Bioinformatika və Mətn və Veb məlumatlarının emalı kimi maşın öyrənməsinin bir sıra son tətbiqlərini müzakirə edir. Maşın Öyrənməsi Maliyyə Xidmətləri, Neft və Qaz, Səhiyyə, Marketinq və Reklam, Hökumət, İnternet və Əşyaların İnterneti daxil olmaqla müxtəlif sahələrdə istifadə olunur.
Bu kurs müxtəlif öyrənmə paradiqmaları, alqoritmləri, nəzəri nəticələri və tətbiqetmələri əhatə edir. Süni intellekt, məlumat nəzəriyyəsi, statistika və idarəetmə nəzəriyyəsindən əsas anlayışları maşın öyrənmə ilə əlaqəli şəkildə istifadə edir. Mövzulara aşağıdakılar daxildir: nəzarətli öyrənmə (generativ / diskriminativ öyrənmə, parametrik / parametrik olmayan öyrənmə, sinir şəbəkələri, dəstək vektor maşınları, qərar ağacı, Bayes dili öyrənmə və optimallaşdırma); nəzarətsiz öyrənmə (qruplaşdırma, ölçülərin azaldılması, kernel metodları); öyrənmə nəzəriyyəsi (qərəzlilik / varyans ticarətləri; VC nəzəriyyəsi; böyük fərqlər); möhkəmləndirmə öyrənmə və adaptiv nəzarət. Digər mövzular arasında HMM (Gizli Markov Modeli), Təkamül Hesablama, Dərin Öyrənmə (Sinir Şəbəkələri ilə) və əsas maşın öyrənmə problemləri üçün performansı ciddi şəkildə təhlil edilə bilən alqoritmlərin dizaynı var.
Kursun mühüm hissəsi qrup layihədir. Paralel, paylanmış və ölçeklenebilir maşın öyrənmə üçün istifadə edilən böyük açıq mənbə vasitələr, tələbələrin layihələri həyata keçirmələrinə kömək etmək üçün qısa bir şəkildə əhatə olunacaq. (4 ədəd) Önkoşul: Yoxdur.
