(ЗАВЕРШЁН) Дополнительные главы машинного обучения

Цель курса

Изучение основных алгоритмов в анализе данных, прогнозировании и машинном обучении, необходимых для чтения литературы и построения собственных интеллектуальных систем в финансовой области.

Программа курса

• Введение в машинное обучение.
• Снижение размерности.
• Детектирование аномалий. Несбалансированная классификация.
• Кластеризация.
• Многорукие бандиты и RL.
• Вероятностный подход к машинному обучению. Байесовская линейная регрессия.
• Ядерные методы. Регрессия на основе гауссовских процессов. Пространство RKHS.
• Оптимизация и активное обучение на основе суррогатных моделей.
• Нейронные сети. Оценка параметров глубоких нейронных сетей.
• Сверточные нейронные сети. Использование таких моделей на практике.
• Обучение представлений. Использование самообучения для получения представлений.
• Рекуррентные нейронные сети. Механизм внимания и трансформеры.
• Построение ансамблей моделей машинного и глубинного обучения.
• Современные генеративные модели. GANs, оптимальный транспорт.
• Классические модели для работы с временными рядами: ARIMA и разложение ряда на составляющие.
• Использование машинного обучения в финансовой области.