350 уроков от чисел до ML

226Случайные события 227Классическое определение вероятности 228Геометрическая вероятность 229Теоремы сложения и умножения 230Условная вероятность 231Формула полной вероятности 232Формула Байеса 233Схема Бернулли 234Случайные величины 235Функция распределения 236Плотность вероятности 237Математическое ожидание 238Дисперсия и стандартное отклонение 239Моменты случайных величин 240Основные распределения 241Центральная предельная теорема 242Закон больших чисел

243Многомерные случайные величины 244Ковариация и корреляция 245Выборка и генеральная совокупность 246Оценка параметров 247Проверка статистических гипотез 248Критерий хи-квадрат 249Регрессионный анализ 250Дисперсионный анализ (ANOVA) 251Сложность алгоритмов (Big O) 252Массивы и списки 253Стеки и очереди 254Связные списки 255Хеш-таблицы 256Деревья 257Бинарные деревья поиска 258Сбалансированные деревья 259Графы 260Представление графов

261Обход графов: DFS и BFS 262Топологическая сортировка 263Алгоритм Дейкстры 264Алгоритм Флойда-Уоршелла 265Минимальное остовное дерево 266Алгоритмы сортировки 267Быстрая сортировка (QuickSort) 268Сортировка слиянием 269Пирамидальная сортировка (Heapsort) 270Динамическое программирование 271Жадные алгоритмы 272Разделяй и властвуй 273Backtracking 274Алгоритмы на строках (KMP) 275Вычислительная геометрия

276Введение в оптимизацию 277Выпуклые множества 278Выпуклые функции 279Условия KKT 280Линейное программирование 281Симплекс-метод 282Двойственность 283Квадратичное программирование 284Целочисленное программирование 285Градиентный спуск 286Стохастический градиентный спуск 287Метод Ньютона 288Квазиньютоновские методы 289Метод сопряжённых градиентов 290Субградиентные методы 291Проксимальные методы 292Покоординатный спуск

293Adam и адаптивные методы 294Методы нулевого порядка 295Эволюционные алгоритмы 296Генетические алгоритмы 297Particle Swarm Optimization 298Simulated Annealing 299Байесовская оптимизация 300Многокритериальная оптимизация 301Введение в ML 302Типы задач ML 303Supervised vs Unsupervised 304Переобучение и недообучение 305Bias-Variance Trade-off 306Кросс-валидация 307Метрики качества ML

308ROC-кривая и AUC 309Confusion Matrix 310Линейная регрессия 311Полиномиальная регрессия 312Регуляризация (L1, L2) 313Логистическая регрессия 314k-Nearest Neighbors 315Naive Bayes 316Деревья решений 317Random Forest 318Gradient Boosting 319Support Vector Machines 320K-means 321Иерархическая кластеризация 322DBSCAN

323PCA 324t-SNE 325Feature Engineering 326Искусственные нейронные сети 327Персептрон 328Многослойные сети 329Функции активации 330Backpropagation 331Инициализация весов 332Batch Normalization 333Dropout и регуляризация 334Архитектуры нейронных сетей 335Свёрточные нейронные сети (CNN) 336Классические CNN архитектуры 337ResNet и skip connections

338Inception и EfficientNet 339Рекуррентные нейронные сети (RNN) 340LSTM и GRU 341Encoder-Decoder архитектура 342Attention mechanism 343Transformers 344BERT, GPT и языковые модели 345Generative Adversarial Networks (GAN) 346Variational Autoencoders (VAE) 347Reinforcement Learning 348Transfer Learning 349Meta-Learning 350Neural Architecture Search (NAS)