Машинно обучение (Линейно и нелинейно МО)
ИУЧ (РПП) · 2 ч. седмично. По учебна програма 4810401 (6 раздела, 66 + 6 резерв).
72
учебни часа
72
урока
6
раздела
0/1
завършени модула
Първи срок
1. Елементи на линейната алгебра
- седм. 1 НЗ Теория
Инструктаж. Вектори и векторни пространства
- седм. 1 У Практика
Вектори в numpy
- седм. 2 НЗ Теория
Линейни трансформации
- седм. 2 У Практика
Визуализация на трансформации
- седм. 3 НЗ Теория
Умножение и транспониране на матрици
- седм. 3 У Практика
Операции с матрици в numpy
- седм. 4 НЗ Теория
Детерминанта
- седм. 4 У Практика
Детерминанта – задачи
- седм. 5 НЗ Теория
Обратна матрица. Системи линейни уравнения
- седм. 5 У Практика
numpy.linalg – задачи
- седм. 6 НЗ Теория
Собствени стойности и собствени вектори
- седм. 6 У Практика
Собствени стойности – задачи
2. Елементи на математическата статистика
- седм. 7 НЗ Теория
Случайни величини и разпределения
- седм. 7 У Практика
Описателна статистика с pandas
- седм. 8 НЗ Теория
Едномерно нормално разпределение
- седм. 8 У Практика
scipy.stats. Хистограми
- седм. 9 НЗ Теория
t-разпределение. Доверителни интервали
- седм. 9 К Практика
Проверка
3. Намаляване на размерността
- седм. 10 НЗ Теория
Проклятие на размерността. Цели на намаляването
- седм. 10 НЗ Теория
Анализ на главните компоненти (PCA)
- седм. 11 У Практика
PCA със scikit-learn
- седм. 11 НЗ Теория
t-SNE
- седм. 12 У Практика
Визуализация с t-SNE
- седм. 12 НЗ Теория
Изометрични изображения (Isomap)
- седм. 13 НЗ Теория
Случайна проекция
- седм. 13 НЗ Теория
Локално-линейни влагания (LLE)
- седм. 14 У Практика
Сравнение на методите
- седм. 14 К Практика
Проверка
4. Полиномна регресия
- седм. 15 НЗ Теория
Линейна регресия – метод на най-малките квадрати
- седм. 15 У Практика
Линейна регресия със scikit-learn. Метрики
- седм. 16 НЗ Теория
Полиномна (нелинейна) регресия
- седм. 16 У Практика
PolynomialFeatures. Преобучение
- седм. 17 НЗ Теория
Регуляризация – Ridge и Lasso
- седм. 17 У Практика
Задачи с регресия
- седм. 18 ПР Практика
Срочен преговор
- седм. 18 К Практика
Срочна проверка
Втори срок
5. Опорни векторни машини (SVM)
- седм. 19 НЗ Теория
Линейни SVM – разделяща хиперравнина, граница
- седм. 19 У Практика
SVC с линейно ядро
- седм. 20 НЗ Теория
Мека граница. Параметър C
- седм. 20 У Практика
Настройка на C
- седм. 21 НЗ Теория
Нелинейни SVM – ядра
- седм. 21 У Практика
RBF и полиномно ядро
- седм. 22 НЗ Теория
Регресия с опорни векторни машини (SVR)
- седм. 22 У Практика
SVR – задачи
6. Моделиране и прогнозиране с времеви редове
- седм. 23 НЗ Теория
Времеви редове – същност и примери
- седм. 23 У Практика
pandas – дати, индекси, преизчисляване на честотата
- седм. 24 НЗ Теория
Тренд и сезонност
- седм. 24 У Практика
Визуализация на компонентите
- седм. 25 НЗ Теория
Автокорелация. ACF и PACF
- седм. 25 У Практика
STL декомпозиция
- седм. 26 НЗ Теория
Базови методи – средна стойност, наивен, сезонен наивен, дрейф
- седм. 26 У Практика
Базови методи – реализация
- седм. 27 НЗ Теория
Обучаващо и тестово множество. Остатъци
- седм. 27 У Практика
Метрики – MAE, RMSE, MAPE. Кръстосана проверка
- седм. 28 К Практика
Проверка
- седм. 28 НЗ Теория
Прогнозни интервали
- седм. 29 НЗ Теория
Просто експоненциално изглаждане
- седм. 29 У Практика
Експоненциално изглаждане – реализация
- седм. 30 НЗ Теория
Метод на Holt – тренд
- седм. 30 У Практика
Метод на Holt – реализация
- седм. 31 НЗ Теория
Holt-Winters – сезонност
- седм. 31 У Практика
Holt-Winters – реализация
- седм. 32 НЗ Теория
Стационарност. Диференциране
- седм. 32 НЗ Теория
AR и MA модели
- седм. 33 НЗ Теория
ARIMA
- седм. 33 У Практика
ARIMA и AutoARIMA – реализация
- седм. 34 НЗ Теория
SARIMA
- седм. 34 У Практика
Сравнение на модели
- седм. 35 П Практика
Проект – прогноза върху реални данни
- седм. 35 П Практика
Проект – представяне
- седм. 36 К Практика
Годишна проверка
- седм. 36 ПР Практика
Обобщение
Материали от часовете
Задачи, тестове и уроци, давани по този предмет — 3.