Миронов А.М. Машинное обучение. Часть 1

М.: МАКС Пресс, 2018. — 90 с.Книга представляет собой введение в основные понятия, методы и алгоритмы машинного обучения, которое находится в настоящее время в состоянии исключительно бурного развития и является теоретической основой для проектирования интеллектуальных систем обработки больших данных. В первой части книги излагаются элементарные аспекты машинного обучения:виды задач и моделей машинного обучения.
простейшие алгоритмы обучения для линейно разделимых обучающих выборок.
методы градиентного спуска и его разновидности.
метод обучения нейронных сетей.
метод опорных векторов.
ядерные методы машинного обучения.
регрессионный анализ.
метрические и вероятностные модели машинного обучения.Во второй части будут рассмотрены более глубокие вопросы машинного обучения, в частности, методы прогнозирования индивидуальных последовательностей, сравнительная теория машинного обучения, бустинг, алгоритмы экспоненциального смешивания, агрегирующие алгоритмы, методы теории игр в машинном обучении. В третьей части будут изложены модели и методы автоматного и процессного обучения (automata learning и process mining).А4 формат