* Обучение с учителем и без учителя. Обучение с подкреплением. Примеры.
* Линейный классификатор. Функции потерь.
* Линейная регрессия. Аналитическое решение. Метод градиентного спуска.
* Регуляризация. Кроссвалидация. ROC-кривая.
* Байесовский классификатор. Наивный байесовскикй классификатор.
* Параметрическая и непараметрическая оценка распределения.
* Решающие деревья. Леса.
* AdaBoost и градиентный бустинг.
* Полносвязанные сети. Метод обратного распространения градиента.
* Свёрточные сети. Задача классификации изображений.
* Задача сегментации изображений.
* Задача детекции объектов.
* Рекуррентные сети. Метод обратного распространения градиента.
* Нейронные сети и тексты, примеры задач. Задача машинного перевода.
* Glove и Word2Vec (на выбор)
* Марковский процесс принятия решения. Уравнения оптимальности Белмана. Алгоритм находждение оптимальной страрегии.
* Марковский процесс принятия решения. Уравнения оптимальности Белмана. Q-обучение и SARSA.
* Глубокое Q-обучение.