Машинное обучение и искусственный интеллект: вспомогательные векторные машины в Python

Курс посвящен глубокому изучению алгоритмов машинного обучения на примере машин опорных векторов (SVM). Обучение построено на сочетании строгой математической теории и практической реализации на языке Python с использованием библиотек NumPy.

Программа охватывает путь от основ геометрии гиперплоскостей и логистической регрессии до построения сложных нейронных сетей с радиальной базисной функцией (RBF). Участники разбирают математические концепции, лежащие в основе SVM, включая квадратичное программирование, двойственность Лагранжа, метод последовательной минимальной оптимизации (SMO) и использование различных ядер (линейных, полиномиальных, гауссовых, сигмоидных).

Курс состоит из 74 лекций (около 9 часов контента) и включает два специализированных модуля с практическими проектами. Практика сфокусирована на применении SVM в реальных задачах: распознавании изображений, обнаружении спама, медицинской диагностике и регрессионном анализе. Для успешного прохождения требуются знания основ математического анализа, матричной алгебры, теории вероятностей, а также уверенное владение Python.