Машинное обучение в экономике 2023-2024: различия между версиями
Перейти к навигации
Перейти к поиску
Potanin (обсуждение | вклад) |
Potanin (обсуждение | вклад) Нет описания правки |
||
| Строка 38: | Строка 38: | ||
== Неделя 8. Что-то про связь эконометрики и машинного обучения == | == 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. | |||
2. **MLPP** -- Machine learning a probabilistic perspective. Kevin P. Murphy. | |||
Версия от 21:22, 19 декабря 2023
Дисклеймер
Материалы данной страницы являются предварительными и могут содержать существенные неточности
Неделя 1. Байесовский классификатор и его модификации
Основные материалы
Рекомендуемая литература
1. FOML глава 6.
2. MLPP глава 10.
Неделя 2. Решающие деревья
Неделя 3. Метод ближайших соседей
Неделя 4. Логистическая регрессия и метод опорных векторов
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. 2. **MLPP** -- Machine learning a probabilistic perspective. Kevin P. Murphy.