Учебное пособие «Алгоритмы машинного обучения» посвящено изучению теоретических основ, математических принципов и практических методов машинного обучения. В пособии последовательно рассматриваются основные этапы построения моделей: подготовка и обработка данных, выбор алгоритмов, обучение, оценка качества, оптимизация, внедрение и мониторинг.

Особое внимание уделяется алгоритмам линейной и логистической регрессии, методу ближайших соседей, деревьям решений, ансамблевым методам, градиентному бустингу, методу опорных векторов, кластеризации, снижению размерности и искусственным нейронным сетям. Рассматриваются вопросы переобучения, регуляризации, настройки гиперпараметров и интерпретации результатов.

Теоретический материал сопровождается практическими примерами на языке Python с использованием современных библиотек машинного обучения. Для закрепления знаний предусмотрены практические задания и контрольные вопросы.

Учебное пособие предназначено для студентов высших учебных заведений, обучающихся по направлениям информационных технологий, компьютерных наук и искусственного интеллекта, а также для преподавателей и специалистов, заинтересованных в освоении методов машинного обучения.