13. Обобщающая способность. Методы отбора признаков
57:01
15. Композиция классификаторов
1:32:51
1. Вводная лекция
1:24:45
14. Нейронные сети
1:15:52
9. Байесовская теория классификации и методы восстановления плотности
1:18:57
2. Один эксперимент
1:27:04
22. Вероятностные тематические модели коллекций текстовых документов
1:11:32
7. Нелинейная регрессия
1:18:55
16. Композиции классификаторов (продолжение)
1:14:25
20. Методы кластеризации
1:32:28
11. Байесовская теория классификации. Логическая регрессия. Восстановление смеси плотностей
1:21:33
21. Обучение с подкреплением
1:19:24
8. Прогнозирование временных рядов
1:10:00
5. Линейные методы классификации: метод опорных векторов
1:23:03
Невидимая рука машинного обучения - YouTube
09:29
12. Методы поиска ассоциативных правил
1:10:24
6. Методы восстановления регрессии
1:23:58
3. Логические алгоритмы классификации
1:22:50
7. Нелинейная регрессия
1:18:55
18. Методы обучения ранжированию
1:10:41
10. Байесовская теория классификации и методы восстановления плотности
1:00:58
Нейробиология машинного обучения - YouTube
12:33
19. Коллаборативная фильтрация
1:20:37
4. Линейные методы классификации: метод стохастического градиента
1:18:39
23. Вероятностные тематические модели коллекций текстовых документов (продолжение)
1:27:50
17. Активное обучение
1:03:55
24. Методы частичного обучения
1:31:18