О курсе

Данный курс посвящен проблеме выбора моделей в задачах машинного обучения и анализа данных. В рамках курса рассматривается байесовский подход к задаче выбора моделей, его теоретические и практические аспекты. Рассматриваются особенности различных подходов к решению задач выбора, агрегации и композиции как для моделей специального вида, так и для общего вида моделей.

Тематический план

В курсе рассматриваются особенности выбора моделей для разных типов моделей: от линейных до смесей экспертов, построенных на моделях глубокого обучения. Рассматриваются различные подходы к выбору моделей и настройке гиперпараметров, включая градиентные методы, методы sequential model based optimization, методы на основе гиперсетей и суперсетей.

Самостоятельная работа

4 практических работы, 2 доклада по желанию каждый семестр. Каждую неделю также проводится анкетирование по итогам занятия.

Оценивание

Оценка складывается из практических заданий, докладов и ответов на анкету.

Требуемые знания

Статистика, линейная алгебра, машинное обучение, глубокое обучение, элементы байесовского вывода.