Описание
Дискриминантный анализ, метод главных компонент, опорные векторы; пространства воспроизводящихся ядер Гильберта и ядерные методы; нейронные сети; теория VC, PAC-обучение. Дополнительные темы могут включать: байесовское моделирование, обучение на многообразиях, бустинг.
Текст источника на языке оригинала
Discriminant analysis, principal component analysis, support vector machines; reproducing kernel Hilbert spaces and kernel methods; neural networks; VC Theory, PAC learning. Additional topics may include: Bayesian modelling, manifold learning, boosting.
Источники и ссылки
Даты и источники сохраняются, чтобы помочь вам проверить сведения. Переводы предлагаются для удобства чтения; официальным источником для условий и требований является оригинал.
Исходная ссылка : https://calendar.carleton.ca/grad/courses/STAT/