Machine Learning (ML) - компьютерлерге деректерден үйрену мүмкіндігін беретін зерттеу саласы, барлық дерлік ғылыми пәндердің негізінде жатыр және деректерден жалпылауды (яғни болжауды) зерттеу машиналық оқытудың орталық тақырыбы болып табылады. . Бұл курс магистратура деңгейінде машиналық оқытуға кіріспе және машиналық оқытудағы жаңа және озық әдістерді, сондай-ақ олардың негізгі теориясын терең қамтуды қамтамасыз етеді. Ол практикалық өзектілігі бар тәсілдерге баса назар аударады және деректерді өндіру (үлкен деректер/деректер туралы ғылым, деректерді талдау), табиғи тілді өңдеу, компьютерлік көру, робототехника, биоинформатика және мәтін мен веб-деректерді өңдеу сияқты машиналық оқытудың соңғы қолданбаларын талқылайды. Machine Learning әртүрлі салаларда қолданылады, соның ішінде қаржылық қызметтер, мұнай және газ, денсаулық сақтау, маркетинг және жарнама, үкімет, Интернет және заттардың интернеті.
Бұл курс әр түрлі оқу парадигмаларын, алгоритмдерді, теориялық нәтижелер мен қолдануды қамтиды. Онда жасанды интеллект, ақпарат теориясы, статистика және басқару теориясының негізгі ұғымдары машиналық оқытуға қатысты болған жағдайда қолданылады. Тақырыптарға мыналар кіреді: бақылаулы оқыту (генеративті / дискриминативті оқыту, параметрлік / параметрлік емес оқыту, нейрондық желілер, тірек векторлық машиналар, шешім ағашы, Байес тілін оқыту және оңтайландыру); бақылаусыз оқыту (кластерлеу, өлшемділікті азайту, ядро әдістері); оқыту теориясы (ауытқушылық / дисперсиялық саудалар; VC теориясы; үлкен маржалар); арматуралық оқыту және адаптивті бақылау. Басқа тақырыптарға HMM (жасырын Марков моделі), эволюциялық есептеу, терең оқыту (жүйке торларымен) және машиналық оқытудың негізгі проблемалары үшін өнімділігі қатаң талдануы мүмкін алгоритмдерді жобалау кіреді.
Курстың маңызды бөлігі - топтық жоба. Параллельді, таратылатын және масштабталатын машина жасау үшін пайдаланылатын негізгі ашық бастапқы құралдарды оқушыларға жобаларды жүзеге асыруға көмектесу үшін қысқаша шолу жасалады. (4 бірлік) Пререквизит: Жоқ.
