Машинное обучение в экономике 2023-2024 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(→‎Список литературы)
(→‎Список литературы)
Строка 41: Строка 41:
 
= Список литературы =
 
= Список литературы =
  
−
# '''FOML''' -- Fundamentals of machine learning for predicting data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.  
+
# '''FOML''' -- Fundamentals of machine learning for predicting data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy. Низкая сложность.
−
# '''MLPP''' -- Machine learning a probabilistic perspective. Kevin P. Murphy.
+
# '''MLPP''' -- Machine learning a probabilistic perspective. Kevin P. Murphy. Высокая сложность.

Версия 00:24, 20 декабря 2023

Дисклеймер

Материалы данной страницы являются предварительными и могут содержать существенные неточности

Неделя 1. Байесовский классификатор и его модификации

Основные материалы

Слайды лекции

Код семинара

Рекомендуемая литература

1. FOML глава 6.

2. MLPP глава 10.

Неделя 2. Решающие деревья

Слайды лекции

Код семинара

Неделя 3. Метод ближайших соседей

Слайды лекции

Неделя 4. Логистическая регрессия и метод опорных векторов

Слайды лекции

Неделя 5. Нейронные сети

Неделя 6. Градиентный бустинг и что-то еще

Неделя 7. Что-то еще интересное, может быть рекомендационные системы

Неделя 8. Что-то про связь эконометрики и машинного обучения

Список литературы

  1. FOML -- Fundamentals of machine learning for predicting data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy. Низкая сложность.
  2. MLPP -- Machine learning a probabilistic perspective. Kevin P. Murphy. Высокая сложность.
Источник — «http://wiki.cs.hse.ru/index.php?title=Машинное_обучение_в_экономике_2023-2024&oldid=82497»