Технологии и фронтиры науки о данных 2025
Это вводный курс об основных идеях современного искусственного интеллекта, представленный в Южном федеральном университете осенью 2025 года. Курс рассчитан на первокурсников, а значит, на всех желающих.
Что такое AI? Введение и терминология
9 октября 2025 г.
Что такое AI? Введение и терминология
9 октября 2025 г.
Введение: AI в нашей жизни, прогресс ускоряется. Что такое интеллект и что такое искусственный интеллект. Классификация методов AI, что такое ML и DL. Модальности данных в AI-системах.
Задачи машинного обучения и ранняя история AI
16 октября 2025 г.
Задачи машинного обучения и ранняя история AI
16 октября 2025 г.
Обучение с учителем и без учителя, self-supervision. Идея обучения с подкреплением. Ранняя история идей AI от древних греков до Азимова. Первые шаги CS и AI: Шеннон, Цузе, Дартмутский семинар, перцептрон Розенблатта. Алан Тьюринг: от машины до теста and beyond.
GOFAI, экспертные системы, представление знаний
23 октября 2025 г.
GOFAI, экспертные системы, представление знаний
23 октября 2025 г.
AI в 1960-е: Logic Theorist, Shakey, ELIZA, SHRDLU, машинный перевод и отчёт ALPAC. AI в 1970-е: экспертные системы, MYCIN, certainty factors, нечёткая логика. Представление знаний: графы знаний.
Вероятностные основы машинного обучения
30 октября 2025 г.
Вероятностные основы машинного обучения
30 октября 2025 г.
Почему ML — раздел теории вероятностей. Основы теории вероятностей, байесовский подход. Примеры: медицинский тест, парадокс Монти Холла, ошибка прокурора, ошибка адвоката, реальные примеры, парадокс Спящей красавицы. Теорема Байеса в ML и задачи байесовского вывода.
Байесовский вывод для монетки
6 ноября 2025 г.
Байесовский вывод для монетки
6 ноября 2025 г.
Задачи байесовского вывода. Испытания Бернулли: максимизация правдоподобия, вывод для равномерного априорного распределения, правило Лапласа. Сопряжённые априорные распределения, бета-распределения.
Линейная регрессия
13 ноября 2025 г.
Линейная регрессия
13 ноября 2025 г.
Что такое линейная регрессия, почему "регрессия". Метод наименьших квадратов и градиенты. Вероятностные предположения линейной регрессии. Признаки в линейной регрессии, локальные признаки, оверфиттинг.
Байесовский вывод в линейной регрессии
20 ноября 2025 г.
Байесовский вывод в линейной регрессии
20 ноября 2025 г.
Оверфиттинг и откуда он берётся. Регуляризация: гребневая и лассо-регрессия, примеры, геометрия регуляризации. Регуляризация и априорные распределения, байесовский вывод в линейной регрессии, примеры.
Пример с COVID и основы классификации
27 ноября 2025 г.
Пример с COVID и основы классификации
27 ноября 2025 г.
Case study: линейная регрессия и COVID-19. Что такое классификация, геометрия линейных поверхностей, линейный дискриминант Фишера. Порождающие модели и оптимальный байесовский классификатор. Пример: LDA и QDA
Логистическая регрессия и проклятие размерности
4 декабря 2025 г.
Логистическая регрессия и проклятие размерности
4 декабря 2025 г.
Напоминание. Идея логистической регрессии, сигмоид, максимизация правдоподобия, логистическая регрессия для нескольких классов. Метод ближайших соседей. Проклятие размерности.
Функция регрессии, bias vairance noise, выбор моделей
11 декабря 2025 г.
Функция регрессии, bias vairance noise, выбор моделей
11 декабря 2025 г.
Статистическая теория принятия решений: функция регрессии, оптимальный байесовский классификатор. Разложение bias-variance-noise. Байесовский выбор моделей.
Наивный Байес, калибровка, ретроспективные исследования
18 декабря 2025 г.
Наивный Байес, калибровка, ретроспективные исследования
18 декабря 2025 г.
Наивный байесовский классификатор. Несбалансированные классы, калибровка классификаторов. Case study: проспективные и ретроспективные исследования