Школа179 - v2029/Speckurs9klass/МашинноеОбучение

Школа179 - v2029/Speckurs9klass/МашинноеОбучение https://server.179.ru/wiki/v2029/Speckurs9klass/МашинноеОбучение История изменений Школа179/v2029/Speckurs9klass/МашинноеОбучение Fri, 18 Sep 2026 11:38:10 +0300 Школа179 - последние комментарии https://server.179.ru/wiki/ https://server.179.ru/wiki/image/wacko_logo.png 108 50 en-us http://blogs.law.harvard.edu/tech/rss 14.09.2026 18:43:45 https://server.179.ru/wiki/?revision_id=-1&page=v_20_29/Speckurs_9klass/Mashinnoe_Obuchenie/show https://server.179.ru/wiki/?page=v_20_29/Speckurs_9klass/%25CC%25E0%25F8%25E8%25ED%25ED%25EE%25E5%25CE%25E1%25F3%25F7%25E5%25ED%25E8%25E5 <div class="diffinfo">Сравнение версий <a href="https://server.179.ru/wiki/?page=v_20_29/Speckurs_9klass/Mashinnoe_Obuchenie">v 2029 / Speckurs 9 klass / Машинное Обучение</a> от <div class="diffdown"><a href="https://server.179.ru/wiki/?revision_id=12535&page=v_20_29/Speckurs_9klass/Mashinnoe_Obuchenie">14.09.2026 18:43:45 <span class="dropdown_arrow">▼</span></a><div class="diffdown-content"></div></div> и <div class="diffdown"><a href="https://server.179.ru/wiki/?page=v_20_29/Speckurs_9klass/Mashinnoe_Obuchenie">15.09.2026 12:07:17 <span class="dropdown_arrow">▼</span></a><div class="diffdown-content"></div></div></div> <br /> <br /> <br /> <strong>Добавлено:</strong><br /> <div class="additions"><h2 id="h996-1">Описание курса</h2> За год мы попробуем пройти путь от сложения и умножения чисел до современного машинного обучения.<br /> Начнём с простых вопросов: что вообще значит «машина обучается»? Чем машинное обучение отличается от обычной программы? Как компьютер может провести прямую через точки, отличить кота от собаки или предсказать следующее слово?<br /> А закончим нейронными сетями, трансформерами и большими языковыми моделями вроде ChatGPT.<h3 id="h996-2">Требования для обучающихся</h3> <ul><li> Желание учиться и усердность :) </li><li> Базовые знания Python </li><li> Умение складывать, умножать</li></ul><h3 id="h996-3">Что получим на выходе</h3> <ul><li> Базовое понимание большого количества подходов в машинном обучении </li><li> Структурное понимание как работает современное машинное обучение, какие методы использовались чтобы дойти до больших моделей по типу ChatGPT </li><li> Большое количество упражнений с кодом, данными и математикой </li><li> Этого курса будет достаточно для продолжения research деятельности над ML задачами или для подачи на стажировку/обучение в разные компании</li></ul><h3 id="h996-4">Что будем изучать</h3> <ul><li> <strong>Математический фундамент:</strong> начала теории множеств и математической логики, общая алгебра и теория групп, линейная алгебра, аналитическая геометрия, комбинаторика, теория вероятностей и математическая статистика, математический анализ. </li><li> <strong>Работа с данными:</strong> признаки, выборки, визуализация данных, train/validation/test, переобучение, метрики качества и постановка экспериментов. </li><li> <strong>Классическое машинное обучение:</strong> линейная и логистическая регрессия, k-NN, деревья решений, ансамбли, кластеризация, методы уменьшения размерности и другие классические алгоритмы. </li><li> <strong>Нейронные сети:</strong> искусственный нейрон, перцептрон, многослойные сети, функции активации, backpropagation, градиентный спуск и обучение глубоких моделей. </li><li> <strong>Современное машинное обучение:</strong> embeddings, attention, transformers, языковые модели и основные идеи, на которых построены современные AI-системы. </li><li> <strong>Практика:</strong> Python, NumPy, работа с датасетами, визуализация, реализация алгоритмов, обучение моделей.</li></ul></div> Mon, 14 Sep 2026 15:43:45 +0300