Зареєструйтеся вже зараз на новий онлайн-курс у режимі реального часу «Геополітика цифрової інфраструктури»

Подайте заявку на курс «Геополітика цифрової інфраструктури» вже зараз

Подайте заявку на участь у новій європейській програмі прискореного навчання для аспірантів у галузі кібербезпеки. Кількість місць обмежена!

Подайте заявку на участь у новій європейській програмі прискореного навчання для аспірантів у галузі кібербезпеки

Читайте наш новий щомісячний дайджест про кібер та технології в Substack

Щомісячний дайджест з кібер-технологій тепер у Substack

Зверніться зараз за безкоштовною підтримкою до нашого Центру послуг з кібербезпеки

Подати заявку на безкоштовну підтримку з кібербезпеки

Підпишіться на безкоштовні вебінари з кібербезпеки

Підпишіться на безкоштовні вебінари з кібербезпеки

Машинне навчання

Цей модуль вивчає машинне навчання, зосереджуючись на алгоритмах і моделях, які дозволяють комп'ютерам вчитися і робити прогнози або приймати рішення на основі даних. Він охоплює методи керованого, некерованого та навчання з підкріпленням, а також практичні застосування в таких сферах, як розпізнавання зображень, обробка природної мови та предиктивна аналітика.

Конструктор навчальних програм

Потрібна допомога? Натисніть тут за інструкціями.

Саттон, Річард С. та Ендрю Г. Барто. Навчання з підкріпленням: Вступ. Друге видання. Серія "Адаптивні обчислення та машинне навчання". Кембридж, Массачусетс: The MIT Press, 2018.

Барбер, Девід. Байєсівські міркування та машинне навчання. 1st ed. Cambridge University Press, 2012.

https://doi.org/10.1017/CBO9780511804779

Маккей, Девід Д.К. Теорія інформації, виведення та алгоритми навчання. Cambridge University Press, 2003.

Бішоп, Крістофер М. Розпізнавання образів і машинне навчання. Інформатика та статистика. Нью-Йорк: Springer, 2006.

Мохрі, Мехріар, Афшин Ростамізаде та Аміт Талвалькар. "Вступ". В Основах машинного навчання, 504. Видавництво MIT Press, 2018.

https://mitpress.mit.edu/9780262039406/foundations-of-machine-learning/

Мерфі, Кевін П. "Розділ 24: Висновки за методом марковських ланцюгів Монте-Карло (MCMC)" та "Розділ 25: Кластеризація". В Машинне навчання: імовірнісна перспектива. Лондон, Англія: MIT Press, 2012.

Вайнер, Абрахам Дж., Метью Олсон, Джастін Блейх та Девід Мейс. "Пояснення успіху AdaBoost та випадкових лісів як інтерполяційних класифікаторів". arXiv, 29 квітня 2017.

http://arxiv.org/abs/1504.07676

Хасті, Тревор, Роберт Тібшірані та Джером Фрідман. Елементи статистичного навчання: Інтелектуальний аналіз даних, висновки та прогнозування. 2-е вид. Серія статистики Springer. Нью-Йорк, штат Нью-Йорк: Springer New York, 2009.

https://doi.org/10.1007/978-0-387-84858-7

Вассерман, Ларрі. Вся статистика: Стислий курс статистичних висновків. Тексти зі статистики видавництва Springer. Нью-Йорк, штат Нью-Йорк: Springer New York, 2004.

https://doi.org/10.1007/978-0-387-21736-9