Самостоятельная работа (MI) Введение в машинное обучение. Искусственный интеллект. История и Основы искусственного интеллекта

Самостоятельная работа (MI)

1. 
   Введение в машинное обучение. Искусственный интеллект. История и Основы искусственного интеллекта.
   
2. 
   Понятие машинного обучения. Основные понятия. Применение машинного обучения в искусственном интеллекте.
   
3. 
   Применение машинного обучения в различных областях, имеющиеся приложения и их возможности. Алгоритмы обучения с учителем и без него.
   
4. 
   Инструментальные средства для машинного обучения (Octave/MATLAB/Python/)
   
5. 
   Проблема линейной регрессии в машинном обучении. Понятие линейной регрессии.
   
6. 
   Построение модели линейной регрессии. Коэффициенты регрессионной модели. Вычисление функции Cost.
   
7. 
   Проверка точности модели. Многомерный взгляд на регрессионный анализ. Построение многомерной модели линейной регрессии.
   
8. 
   Регрессионная модель с несколькими членами. Метод градиентного спуска. Стохастический градиентный спуск.
   
9. 
   Вопросы классификации в машинном обучении. Понятие о классификации.
   
10. 
    Классификация как один из основных подходов к машинному обучению. Задачи обучения.
    
11. 
    Использование функций логистики и регрессии softmax для задачи классификации. Методы оценки эффективности. Матрица запутанности (матрица запутанности).
    
12. 
    Вычисление значений вероятностей и определение пределов принятия решений в процессе классификации (decision boundry). Функция регрессии Softmax.