Մեքենայական ուսուցումը (ML) ուսումնասիրության ոլորտ է, որը համակարգիչներին տալիս է տվյալներից սովորելու ունակություն, գտնվում է գրեթե բոլոր գիտական առարկաների հիմքում, իսկ տվյալներից ընդհանրացման (այսինքն՝ կանխատեսման) ուսումնասիրությունը մեքենայական ուսուցման կենտրոնական թեման է։ . Այս դասընթացը շրջանավարտների մակարդակով ներածություն է տալիս մեքենայական ուսուցմանը և մեքենայական ուսուցման նոր և առաջադեմ մեթոդների խորը լուսաբանմանը, ինչպես նաև դրանց հիմքում ընկած տեսությանը: Այն ընդգծում է գործնական նշանակություն ունեցող մոտեցումները և քննարկում մեքենայական ուսուցման մի շարք վերջին կիրառություններ, ինչպիսիք են Տվյալների հանքարդյունաբերությունը (մեծ տվյալների/տվյալների գիտության, տվյալների վերլուծության մեջ), բնական լեզվի մշակումը, համակարգչային տեսլականը, ռոբոտաշինությունը, բիոինֆորմատիկան և տեքստի և վեբ տվյալների մշակումը: Մեքենայի ուսուցումն օգտագործվում է տարբեր ոլորտներում, ներառյալ ֆինանսական ծառայություններ, նավթ և գազ, առողջապահություն, շուկայավարություն և գովազդ, կառավարություն, ինտերնետ և իրերի ինտերնետ:
Այս դասընթացն ընդգրկում է ուսման մի շարք պարադիգմներ, ալգորիթմներ, տեսական արդյունքներ և ծրագրեր: Այն օգտագործում է արհեստական ինտելեկտի, տեղեկատվության տեսության, վիճակագրության և կառավարման տեսության հիմնական հասկացությունները այնքանով, որքանով դրանք կարևոր են մեքենայական ուսուցման համար: Թեմաները ներառում են. Վերահսկվող ուսուցում (գեներատիվ / խտրական դասընթաց, պարամետրային / ոչ պարամետրիկ ուսուցում, նեյրոնային ցանցեր, օժանդակ վեկտորային մեքենաներ, որոշումների ծառ, բայեզյան ուսուցում և օպտիմիզացում); չվերահսկվող ուսուցում (կլաստերացում, ծավալայնության կրճատում, միջուկի մեթոդներ); ուսման տեսություն (կողմնակալության / շեղման փոխզիջումներ; VC տեսություն; մեծ լուսանցքներ); ուժեղացման ուսուցում և հարմարվողական վերահսկողություն: Այլ թեմաները ներառում են HMM (Hidden Markov Model), Evolutionary Computing, Deep Learning (Neural Nets) և նախագծման ալգորիթմներ, որոնց կատարումը կարող է խստորեն վերլուծվել մեքենայական ուսուցման հիմնարար խնդիրների համար:
Դասընթացի կարեւոր մասն է խմբի նախագիծը: Զուգահեռ, բաշխված եւ չափելի մեքենաների ուսուցման համար օգտագործվող հիմնական բաց կոդով գործիքները կարճ ժամանակով կներկայացվեն, որպեսզի ուսանողները օգնի ծրագրերին: (4 միավոր) Նախադրյալ. Ոչ: