Машинное обучение — молодая область компьютерных наук, посвящённая поиску скрытых закономерностей в данных и задачам, для которых не существует точного алгоритма решения. Новые приложения методов машинного обучения возникают регулярно; меняется и сама область, в ней появляются новые методы, которые полностью переворачивают подходы к решению задач. Мы обсудим области применимости этих подходов, поговорим о постановках задач и ярких примерах применения. Далее мы обсудим основные методы обучения с учителем (линейные модели, решающие деревья и их композиции, нейронные сети), а также поговорим о задачах обучения без учителя. Методы машинного обучения во многом являются инженерными, но в процессе обсуждения методов мы особенно уделим внимание математической составляющей.

Последняя лекция мини-курса будет посвящена рекомендательным системам, на примере которых мы поймём, с какими трудностями сталкиваются специалисты при внедрении методов машинного обучения, а также обсудим особенности реальных данных.

Материалы по теме курса доступны по ссылке: https://github.com/esokolov/ml-course-hse