Лекции
1
Занятие 1 (лекция). Введение в машинное обучение. Специфика задач обработки данных в физике
01:34:13
2
Занятие 2 (практикум). Основные понятия языка Python и приёмы работы с ним
01:25:47
3
Занятие 3 (лекция). Подготовка данных. Оценка качества моделей
01:07:04
4
Занятие 4 (лекция). Отбор и преобразование входных признаков. Оценка значимости входов
00:53:52
5
Занятие 5 (лекция). Анализ главных компонент и методы на его основе. Кластер-анализ. Нейронные сети и самоорганизующиеся карты Кохонена
01:46:08
6
Занятие 6 (лекция). Базовые методы машинного обучения
00:50:06
7
Занятие 7 (лекция). Многослойные персептроны. Алгоритм обратного распространения ошибки
01:36:28
8
Занятие 8 (практикум). Практические основы предобработки данных
01:59:37
9
Занятие 9 (практикум). Обработка данных спектров и решение задач машинного обучения с их использованием
00:46:15
10
Занятие 10 (лекция). Глубокие и свёрточные нейронные сети
01:41:22
11
Занятие 11 (лекция). Некоторые технологии работы с глубокими нейронными сетями
01:31:27
12
Занятие 12 (лекция). Рекуррентные нейронные сети
01:34:28
13
Занятие 13 (практикум). Машинное обучение и генерация данных
00:44:35
14
Занятие 14 (лекция). Генеративные состязательные сети. Вариационные автоэнкодеры. Генерация данных
00:49:09
15
Занятие 15 (лекция). Анализ временных рядов. Комбинированные алгоритмы
00:59:41
16
Занятие 16 (практикум). Решение задачи прогнозирования в космической физике
00:35:10