Машинное обучения и анализ данных. Каталог раздела
Перейти к навигации
Перейти к поиску
Машинное обучение и анализ данных
- Данные
- Анализ данных
- Большие данные
- Визуализация данных
- Фреймворки и инструменты
- Статистический анализ
- Проверка гипотез
- Ошибки первого и второго рода
- Корреляционный анализ
- Регрессионный анализ
- Регрессионные модели
- Дисперсионный анализ
- Нормальность распределения
- Тесты значимости
- Машинное обучение
- Базовые концепции ML
- Парадигмы обучения
- Обучение с учителем
- Обучение без учителя
- Обучение с подкреплением
- Классификация
- Кластеризация
- Ансамблевые методы
- Снижение размерности
- Выбор признаков
- Метрики качества и оценка моделей
- Переобучение
- Недообучение
- Кросс-валидация
- Интерпретируемость
- Глоссарий машинного обучения
- Глубокое обучение (Deep learning)
- Базовые концепции Deep learning
- Теоретические основы DL
- Архитектуры нейронных сетей
- Методы обучения нейронных сетей
- Оптимизация в обучении нейронных сетей
- Фреймворки и инструменты DL
- Генеративные модели
- Обработка естественного языка
- Компьютерное зрение
- Рекомендательные системы
- Выявление аномалий
- Прогнозирование временных рядов
- AutoML
- MLOps
- Предвзятость и справедливость моделей
- Литература по машинному обучению