18 409 Aspectos Algorítmicos do Machine Learning Spring 2015

Os modelos modernos de machine learning muitas vezes parecem caixas pretas, deixando os desenvolvedores se perguntando por que certos algoritmos são bem-sucedidos e outros falham. Para construir sistemas verdadeiramente robustos, você deve entender as garantias matemáticas e algorítmicas que sustentam essas ferramentas poderosas. Este curso somente de texto orienta você através dos fundamentos teóricos do aprendizado de máquina, fazendo a transição da tentativa e erro empíricos para a análise algorítmica rigorosa. Você descobrirá como projetar, avaliar e provar a correção dos principais algoritmos de aprendizado de máquina, dando-lhe uma apreciação mais profunda da matemática que impulsiona a IA moderna. O que você vai aprender: 1. Entenda os conceitos matemáticos fundamentais, incluindo probabilidade de alta dimensão e noções básicas de álgebra linear. 2. Analisar as garantias teóricas de algoritmos clássicos para agrupamento, redução de dimensionalidade e regressão. 3. Explorar técnicas modernas de otimização, incluindo variantes de descida de gradiente e suas taxas de convergência. 4. Avaliar modelos de aprendizagem através da lente da complexidade computacional e da complexidades da amostra. 5. Praticar a formulação de garantias algorítmicas para problemas fundamentais de aprendizado de máquina. 6. Examinar tópicos contemporâneos como a justiça algorítmica e a robustez no design de modelos modernos. O curso começa com terminologia matemática essencial e definições fundamentais antes de passar para a análise passo a passo de algoritmos-chave. Você progredirá dos princípios básicos de otimização para garantias teóricas avançadas, aprendendo a pensar como um pesquisador algorítmico. Este curso é projetado para aspirantes a cientistas de dados, programadores e iniciantes matematicamente curiosos que querem ir além das APIs de biblioteca e entender o "porquê" teórico por trás do aprendizado de máquina. Nenhum conhecimento avançado em teoria de aprendizado de máquina é necessário. Comece a ler hoje para desbloquear os princípios matemáticos que fazem os algoritmos de aprendizado de máquina funcionarem.