Основными задачами дисциплины «Алгоритмы и методы машинного обучения» являются: ознакомление студентов с принципами, методами и инструментальными средствами машинного обучения; изучение особенностей основных алгоритмов машинного обучения; получение обучающимися необходимых навыков для применения систем машинного обучения при проектировании и эксплуатации автоматических систем. Методические материалы по дисциплине «Алгоритмы и методы машинного обучения» содержат практические задания, посвященные изучению процесса машинного обучения, выбору оптимальной модели машинного обучения, реализациям различных алгоритмов обучения. Каждое практическое задание предполагает реализацию различных моделей машинного обучения (задачи классификации) на языке программирования Python, с использованием библиотеки scikit-learn.

• ОГЛАВЛЕНИЕ
• 1Тема 1. Разработка модели линейного адаптивного нейрона (ADALINE) на основе базового класса персептрона
• 2Тема 2. Классификация на основе персептронной модели с использованием библиотеки Scikit-learn
• 3Тема 3. Классификация на основе модели логистической регрессии с использованием библиотеки Scikit-learn
• 4Тема 4. Классификация методом опорных векторов с использованием библиотеки Scikit-learn
• 5Тема 5. Классификация линейно разделимых объектов (три признака, четыре класса) с использованием библиотеки Scikit-learn
• 6Тема 6. Классификация линейно неразделимых объектов с использованием библиотеки Scikit-learn
• Список использованных источников
• Приложение 1