Введение

Часть I. ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ, ОСНОВАННЫЕ НА ЗНАНИЯХ

• Тема 1. Основы логического программирования (499мин.)
• • 1.1. Исторический обзор (86мин.)
  • 1.2. Принципы логического программирования (86мин.)
  • 1.3. Язык Prolog как среда логического программирования (207мин.)
  • 1.4. Prolog и автоматическое доказательство теорем (103мин.)
  • Практикум (17мин.)
  • Основы логического программирования (30мин.)
  • Логическое программирование (20мин.)
• Тема 2. Методы поиска на дереве решений (447мин.)
• • 2.1. Задачи, решаемые перебором вариантов (120мин.)
  • 2.2. Методы спуска по дереву решений (293мин.)
  • Практикум (34мин.)
  • Методы поиска на дереве решений (22мин.)
• Тема 3. Экспоненциальная сложность поиска на дереве решений и методы ее редуцирования (396мин.)
• • 3.1. Наивный логический поиск и задачи реального мира (34мин.)
  • 3.2. Алгоритмические методы ускорения поиска (189мин.)
  • 3.3. Теоретико-множественные методы ускорения поиска (86мин.)
  • 3.4. Методы поиска, основанные на прецедентах (52мин.)
  • Практикум (34мин.)
  • Экспоненциальная сложность поиска на дереве решений и методы ее редуцирования (22мин.)

Часть II. ОСНОВЫ МАШИННОГО ОБУЧЕНИЯ

• Тема 4. Введение в машинное обучение. Этапы решения задач машинного обучения (534мин.)
• • 4.1. Цели и задачи машинного обучения (172мин.)
  • 4.2. Чистые данные и выбор признаков (120мин.)
  • 4.3. Построение модели и сведение обучения к задаче оптимизации (34мин.)
  • 4.4. Оценка качества работы алгоритма машинного обучения (120мин.)
  • 4.5. Процесс внедрения алгоритма машинного обучения в эксплуатацию (69мин.)
  • Практикум (17мин.)
  • Введение в машинное обучение. Этапы решения задач машинного обучения (44мин.)
• Тема 5. Обучение с учителем (499мин.)
• • 5.1. Линейная регрессия (103мин.)
  • 5.2. Логистическая регрессия (69мин.)
  • 5.3. Метод Парзеновского окна (86мин.)
  • 5.4. Деревья принятия решений (86мин.)
  • 5.5. Нейронные сети (120мин.)
  • Практикум (34мин.)
  • Обучение с учителем (40мин.)
• Тема 6. Обучение без учителя (344мин.)
• • 6.1. Кластеризация k-средними (103мин.)
  • 6.2. Иерархическая кластеризация (69мин.)
  • 6.3. Кластеризации при помощи карт Кохонена (52мин.)
  • 6.4. Поиск ассоциаций в данных (103мин.)
  • Практикум (17мин.)
  • Обучение без учителя (30мин.)
• Fast Algorithms for Mining Association Rules (20мин.)
• Microsoft Research – Emerging Technology, Computer, and Software Research (20мин.)

Часть III. ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА И МАШИННЫЙ АНАЛИЗ ТЕКСТОВ

• Тема 7. Обработка естественного языка (482мин.)
• • 7.1. Естественные и искусственные языки. Проблема нерегулярности естественных языков (69мин.)
  • 7.2. Формальные и неформальные языки. Проблема формализации естественных языков (189мин.)
  • 7.3. Предмет, цель и задачи обработки естественного языка (189мин.)
  • Практикум (34мин.)
  • Обработка естественного языка (26мин.)
  • Информационно-поисковые системы (20мин.)
• Тема 8. Машинный анализ текстов на естественном языке (293мин.)
• • 8.1. Тексты на естественном языке. Базовые свойства текстов (86мин.)
  • 8.2. Машинный анализ текстов. Проблема понимания естественных языков (52мин.)
  • 8.3. Этапы машинного анализа текстов. Проблема многозначности естественных языков (138мин.)
  • Практикум (17мин.)
  • Машинный анализ текстов на естественном языке (24мин.)
• Тема 9. Моделирование текстов на естественном языке (516мин.)
• • 9.1. Векторная модель представления текстов (120мин.)
  • 9.2. Латентный семантический анализ (207мин.)
  • 9.3. Автоматическая категоризация текстов (172мин.)
  • Практикум (17мин.)
  • Моделирование текстов на естественном языке (26мин.)
• Синтаксический анализ (20мин.)

Список литературы

Завершение курса

• Тест:  Итоговое тестирование (60мин.)