Добрый день!
Здесь будут выкладываться последние новости по обновлению онлайн-учебника DeepMachineLearning.ru по машинному обучению и нейросетям.

Октябрь 2024
- Учебник впервые использован в учебном процессе в курсе "Методы машинного обучения" на факультете вычислительной математики и кибернетики в МГУ.

Декабрь 2024
- Учебник начал использоваться в курсе "Машинное обучение" совместной магистратуры МФТИ и Т-Банка.
- Учебник начал использоваться в курсе "Глубокое машинное обучение" на факультете вычислительной математики и кибернетики в МГУ.

Март 2025
- Учебник представлен на конференции «Математические методы и информационные технологии в экономике и управлении 2025».
- Учебник дополнительно перечитан, исправлены опечатки, и улучшен стиль. За вычитку учебника отдельная благодарность студентке ВМК МГУ Камилле Киямовой.
- Учебник начал использоваться в курсе "Глубокое обучение" совместной магистратуры МФТИ и Т-Банка.

Первая часть по машинному обучению дополнительно перечитана, улучшен стиль и структура подачи материала. В каждой главе добавлены ссылки на первоисточники, а также на дополнительную литературу для более глубокого и разностороннего погружения в каждую тему.

Во второй части учебника по глубокому обучению расширен список задач, решаемых с помощью нейросетей (раздел "Обзор задач глубокого обучения"), а сами задачи дополнены ссылками на дополнительную литературу и state-of-the-art методы решения.

Первая половина учебника по глубокому обучению (до описания датасета ImageNet) дополнительно перечитана, улучшена структура, добавлены ссылки на дополнительную литературу и вопросы для самопроверки.

Перечитана вторая половина учебника по глубокому обучению, улучшено описание отдельных методов, добавлены вопросы для самопроверки и ссылки на связанные понятия и дополнительную литературу. Таким образом, все темы, присутствующие сейчас на сайте, имеют законченный вид. Со временем будут появляться новые!

Расширено описание и добавлено геометрическое обоснование метода опорных векторов.
Добавлена глава про сети радиальных базисных функций.

По ссылке https://deepmachinelearning.ru/practice выложены обучающие материалы на python по основным этапам первичного анализа и подготовки данных перед их применением в методах машинного обучения.