Миникурс «Математические основы машинного обучения. Взгляд со стороны стохастической оптимизации»

Лекции были прочитаны в июле 2024 года в рамках проектной смены «Большие данные. Большие вызовы» в Сириусе

Course description

В курсе рассказываются азы стохастической оптимизации. Начинается с принципа максимума правдоподобия и схемы испытаний Бернулли. Далее рассматриваются уже задачи машинного обучения. Отличие от задач математической статистики в том, что функционал задается, а не определяется логарифмом функции правдоподобия. Далее исследуются оффлайн (Монте-Карло) и онлайн (стохастический градиентный спуск и его вариации) методы решения полученной задачи стохастической оптимизации. Обсуждается вопрос о переобучение, которое возникает при оффлайн подходе. Говорится о важности регуляризации или ранней остановки.

Используя этот сайт, вы соглашаетесь с тем, что мы используем файлы cookie.