Подготовительные билеты к экзамену по лекционным материалам курса Машинное обучение (6 семестр).
Warning
В билетах и конспектах встречаются ошибки и недосказанности, а также имеются проблемы с согласованностью общего стиля ввиду разного виденья мира разных летописцев.
В репозитории разделение между лекциями и теоретическим минимумом по каталогам:
lectures- здесь хранится конспект лекционного материала;theory- здесь хранится материал к теоретическому минимуму.
Все билеты и конспекты написаны в формате Markdown, которые можно скомпилировать в PDF формат с помощью pandoc. Через двоеточие указан автор.
Warning
Из-за специфических свойств pandoc. Прилагаются скрипты сборки.
- Лекция №1. Гиперпараметры: @sfbakturin
- Лекция №2. Непараметрические и метрические модели: @sfbakturin
- Лекция №3. Линейные методы: @sfbakturin
- Лекция №4. Метод опорных методов: @sfbakturin
Лекция №5. Байесовские методы- Лекция №6. Деревья решений и композиция алгоритмов: @sfbakturin
- Лекция №7. Автоматическое дифференцирование: @Elazhenka
- Лекция №8. Глубокое обучение: @timartim
Лекция №9. Работа с изображениями и последовательностямиЛекция №10. Кластеризация- Лекция №11. Выбор признаков: @sfbakturin
- Лекция №12. Извлечение признаков: @sfbakturin
- Лекция №13. Генеративные методы: @Jenshen30
- Вопрос №1. Гиперпараметры. Отличие от параметров: @sfbakturin
- Вопрос №2. Поиск по сетке и случайный поиск: @sfbakturin
- Вопрос №3. Расстояние Минковского и Махаланобиса: @sfbakturin
- Вопрос №4. Ядерная функция для kNN и SVM: @sfbakturin
- Вопрос №5. Окно Парзена-Розенблатта и формула Надарая-Ватсона: @sfbakturin
- Вопрос №6. SMOTE, Tomek Links, LOWESS: @sfbakturin
- Вопрос №7. Декорреляция: @sfbakturin
- Вопрос №8. Метод линейной регрессии; гребневая регрессия; лассо Тибширани: @timartim
- Вопрос №9. Линейная классификация; отступ: @sfbakturin, @Sloveckin
- Вопрос №10. Метод опорных векторов (общая идея): @Wiselogias
- Вопрос №11. Метод логистической регрессии; сигмоида; перекрёстная энтропия: @timartim
- Вопрос №12. Наивный байесовский классификатор: @sfbakturin, @Sloveckin
- Вопрос №13. Задача параметрической оценки плотности; принцип максимального правдоподобия: @Wiselogias
- Вопрос №14. Дерево принятия решений; оценка разбиений: @sfbakturin, @Sloveckin
- Вопрос №15. Бустрап; случайный лес; стэкинг: @sfbakturin
- Вопрос №16. Бустинг алгоритмов; метод градиентного бустинга: @sfbakturin
- Вопрос №17. Метод AdaBoost: @sfbakturin
- Вопрос №18. Метод стохастического и пакетного градиентного спуска: @sfbakturin
- Вопрос №19. Адаптивный и импульсный градиентный спуск: @sfbakturin, @Sloveckin
- Вопрос №20. Автоматическое дифференцирование: @SotnikovMaksim
- Вопрос №21. SoftArgMax; SoftMax: @sfbakturin
- Вопрос №22. Многослойная «нейронная» сеть: @SotnikovMaksim
- Вопрос №23. ResNet; ReLU: @SotnikovMaksim
- Вопрос №24. Метод Xavier; метод He: @SotnikovMaksim
- Вопрос №25. Дропаут; пакетная нормализация: @SotnikovMaksim
- Вопрос №26. Свёртка; паддинг; пулинг; страйд; тензор: @sfbakturin
- Вопрос №27. Задача семантической сегментации; задача детекции объектов: @sfbakturin
- Вопрос №28. Модуль памяти в рекуррентных сетях (LSTM): @sfbakturin
- Вопрос №29. Механизм внимания в рекуррентных сетях (трансформер): @sfbakturin
- Вопрос №30. Задача кластеризации; внешние меры оценки; внутренние меры оценки: @Sloveckin
- Вопрос №31. Графовые методы кластеризации; иерархические методы кластеризации: @Sloveckin
- Вопрос №32. Алгоритмы EM: k-means. c-means, GMM: @sfbakturin
- Вопрос №33. Алгоритм DBSCAN: @Sloveckin
- Вопрос №34. Уменьшение размерности; выбор признаков; алгоритмы фильтрации: @sfbakturin
- Вопрос №35. Алгоритмы-обертки; встроенные методы выбора признаков: @sfbakturin
- Вопрос №36. Алгоритм PCA: @KostyaRazboynik
- Вопрос №37. Алгоритм t-SNE: @KostyaRazboynik
- Вопрос №38. Автокодировщик: @sfbakturin
- Вопрос №39. Задача генерации объектов; Inception Score; Frechet Inception Distance: @sfbakturin
- Вопрос №40. Вариационный автокодировщик; KL-дивергенция: @SotnikovMaksim
- Вопрос №41. GANs: @SotnikovMaksim
- Вопрос №42. Диффузная модель: @SotnikovMaksim