Лекции
![](/img/hd/lecture/2022-02-17-Dmitriev.jpg?7209)
1
Лекция 1. Введение в машинное обучение. Задачи, подходы, возможности и проблемы
01:27:02
![](/img/hd/lecture/2022-03-02-Dmitriev.jpg?7331)
2
Лекция 2. Библиотеки Python, используемые для машинного обучения. Практическое занятие
01:37:29
![](/img/hd/lecture/2022-03-11-Dmitriev.jpg?7332)
3
Лекция 3. Байесовский классификатор. Метод максимального правдоподобия. Априорная и апостериорная информация
01:33:13
![](/img/hd/lecture/2022-03-16-Dmitriev.jpg?7406)
4
Лекция 4. Линейные методы регрессии и классификации
01:42:01
![](/img/hd/lecture/2022-03-23-Dmitriev.jpg?7407)
5
Лекция 5. Метрические методы регрессии и классификации
01:36:58
![](/img/hd/lecture/2022-03-30-Dmitriev.jpg?7408)
6
Лекция 6. Метод опорных векторов
01:11:58
![](/img/hd/lecture/2022-04-06-Dmitriev.jpg?7594)
7
Лекция 7. Многомерная линейная и нелинейная регрессия. Градиентные методы
01:49:34
![](/img/hd/lecture/2022-04-19-Dmitriev.jpg?7698)
8
Лекция 8. Критерии оценки качества моделей. Логические закономерности
01:49:41
![](/img/hd/lecture/2022-04-20-Dmitriev.jpg?7699)
9
Лекция 9. Ансамбли алгоритмов. Беггинг и бустинг
01:35:37
![](/img/hd/lecture/2022-04-27-Dmitriev.jpg?7700)
10
Лекция 10. Искусственные нейронные сети. Базовые архитектуры и методы обучения
01:43:20
![](/img/hd/lecture/2022-05-04-Dmitriev.jpg?7701)
11
Лекция 11. Нейронные сети для распознавания цифр. Задачи обучения без учителя. Часть 1
01:32:49
![](/img/hd/lecture/2022-05-11-Dmitriev.jpg?7792)
12
Лекция 12. Задачи обучения без учителя. Часть 2
01:40:58
![](/img/hd/lecture/2022-05-21-Dmitriev.jpg?7839)
13
Лекция 13. Работа с временными рядами
01:39:13
![](/img/hd/lecture/2022-06-11-Dmitriev.jpg?7978)
14
Лекция 14. Обучение с подкреплением
01:53:47