Հիմնական գաղափարներ ռեգրեսիայի խնդիրների համար: Հիմնական գաղափարներ դասակարգման խնդիրների համար: K-NN մեթոդը ռեգրեսիայի և դասակարգման խնդիրների համար: Մոդելների ընտրություն խաչաձև ստուգման միջոցով, հիպեր-պարամետրերի ընտրություն: Գծային ռեգրեսիա: Ռեգուլարիզացիա - LASSO, Ridge, Elastic Net:
Loss Ֆունկցիաի տեսակների և տարբեր արդի Optimizer-ի կառուցվածքը և նպատակները։ Momentum,ADAGRAD, ADAM....
Գծային հանրահաշվի կիրառությունը մեքենայական ուսուցման մեջ։ Logistic ռեգրեսսիա։ Կշռավորված միջին քառակուսայինի մեթոդը: Գաուսսիան դիսկրիմինացիոն անալիզ, Support Vector Machines: Bias-Variance վերլուծություն: Տվյալների բազայի անալիզ, տվյալների նորմավորում, ուսուցման, տեստավորման և վալիդացիայի համար նախատեսված տվյալների տրոհում, սինթետիկ տվյալների գեներացում։ Ուսուցման տեսություն։ Գրադիենտի անկման ալգորիթմը։ Թամբի կետեր։ Stochastic և Batch գրադիենտային անկման ալգորիթմներ, գրադիենտի անկման ալգորիթմի մոդիֆիկացիաներ։ Կլասսիֆիկացիոն ծառեր։ Նեյրոնային ցանցեր, ընդհանուր դրույթները: Նեյրոնային ցանցերի ուսուցում։ Մոդելների աշխատանքի գնահատման մետրիկաներ։ Մոդելների ստեղծման պրակտիկ հարցեր։ K-means ալգորիթմը։ Գաուսսիան խառնուրդներ։ EM (expactation maximization) ալգորիթմը։ Տվյալների չափողականության իջեցում, գլխավոր կոմպոնենտների անալիզ: Reinforcement Learning: Փաթույթային ցանցեր։ Կիրառություններ ֆիզիկայում, ազդանշանների և պատկերների թվային մշակման մեջ։
Ռեգրեսիայի այլ խնդիրներ: Լոգիստիկ Ռեգրեսիա: Դիսկրիմինանտ անալիզ - LDA, QDA: Ծառեր դասակարգման համար: Ծառեր Ռեգրեսիայի համար: Անսամբլ մեթոդներ - Bagging, Random Forests, Boosting: Fully connected layer-ի աշխատանքը. մի քանի լեյերների համադրությամբ backward prop. կազմակերպման օրինակներ։ Garbage collector.
GRU layer-ի աշխատանքը եվ կազմակերպումը։ LSTM layer.
Attantion մեխանիզմի քննարկում։ լեյերի կառուցվածք։
Conv1d Conv2d լեյերնեռ և Conformer ցանցի կառուցվածք
Unet և MobileNet նեյրոնային ցանցերը որպես նկարների մշակման ցանցեր
Տարբեր ցանցերի կառուցվածքի և հիմնական առանձնահատկությունների Բաշխումների համեմատություն, Kullback-Leibler (KL) divergence։ Diffusion ցանցեր, և նրանց ուսուցման կազմակերպում։
Գեներատիվ մոդելներ GAN նկարագրություն և սովորեցման փուլերը
AE, VAE Էնկոդեր դեկոդեր կառուցվածք։ Ավտոմատ Վարիացիոն վեկտորների կոդավորում։
Դիֆֆուզիոն մոդելավորմամբ ստացվող ցանցեր