Навчання > Вступ до машинного навчання (пм)

Вступ до машинного навчання (пм)

Тип: На вибір студента

Кафедра: обчислювальної математики

Навчальний план

СеместрКредитиЗвітність
65Залік

Лекції

СеместрК-сть годинЛекторГрупа(и)
632доцент Музичук Ю. А.ПМп-31

Лабораторні

СеместрК-сть годинГрупаВикладач(і)
632ПМп-31доцент Музичук Ю. А.

Опис курсу

Курс «Вступ до машинного навчання» охоплює такі розділи: задачі регресії, задачі класифікації та сучасні проблеми машинного навчання. При розгляді цих тем основна увага зосереджується на математичному формулюванні задач, виборі методики розв’язування та детальному описі та програмуванні відповідних алгоритмів. Викладення матеріалу здійснюється за допомогою сучасних термінів та понять з галузі інформаційних технологій. Метою курсу є ґрунтовне ознайомлення із наявними методами розв’язування різноманітних задач з області машинного навчання та роз’яснення вагомих аспектів їх використання.

Рекомендована література

Основна література

  1. Goodfellow I. Deep Learning / Ian Goodfellow, Yoshua Bengio, Aaron Courville. – MIT Press, 2016. – WWW: http://www.deeplearningbook.org.
  2. Witten I. Data Mining: Practical Machine Learning Tools and Techniques / Ian Witten, Eibe Frank, Mark A. Hall. – Morgan Kaufmann, 2016. – 654p.
  3. Flach P. Machine Learning: The Art and Science of Algorithms that Make Sense of Data / Peter Flach. – Cambridge University Press, 2012. – 409p.
  4. Raschka S. Python Machine Learning / Sebastian Raschka. – Packt Publishing, 2015. – 454p.
  5. Géron A. Hands-On Machine Learning with Scikit-Learn and TensorFlow: Techniques and Tools to Build Learning Machines / Aurélien Géron. – O’Reilly Media, 2018. – 566p.

Додаткова література

  1. Patterson J. Deep Learning: A Practitioner’s Approach / Josh Patterson, Adam Gibson. ­– O’Reilly, 2017. – 352 p.
  2. Burns S. Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn and Tensorflow / Samuel Burns. – 2019. – 176 p.
  3. Papa J. PyTorch Pocket Reference: Building and Deploying Deep Learning Models / Joe Papa. – O’Reilly, 2021. – 307 p.
  4. Hope T. Learning TensorFlow: A Guide to Building Deep Learning Systems / Tom Hope, Yehezkel Resheff, Itay Lieder. – O’Reilly, 2017. – 242 p.
  5. Foster D. Generative Deep Learning: Teaching Machines to Paint, Write, Compose, and Play / David Foster. – O’Reilly, 2019. – 330 p.
  6. Harrison P. Deep Learning with Text / Patrick Harrison, Matthew Honnibal. – O’Reilly, 2020. – 250 p.

Силабус:

Завантажити силабус