CoreML/index.md

---

title : CoreML algorytms subtitle : From the beginings to the not author : metya job : Летняя Школа 2018, Deep Learning Workshop framework : io2012 # {io2012, html5slides, shower, dzslides, ...} highlighter : highlight.js # {highlight.js, prettify, highlight} hitheme : tomorrow # widgets : [mathjax] # {mathjax, quiz, bootstrap} mode : selfcontained # {standalone, draft} knit : slidify::knit2slides guthub : user: 'metya'

repo: 'CoreML'

A few base algorythms and even farther

---

Regression

• Linear regression (объяснение на хабре)
• NonLinear Regression
• Descision Trees
• Autoregression (ARIMA, etc.)
  

(множественные модели, многомерные модели, регрессионные остатки)

---

Classification

• Logistic regression (объяснение на хабре)
• Descision Trees (объяснение на хабре)
• K Nearest Neighbours (объяснение на хабре)
• Naive Bayes (Wiki, habr (свежак!))
• Linear discriminant analysis (Fisher's)
• Support Vector Machine (хабр)
• Genetics Algorithms
• Expectation-Maximization (EM) (где то в интернете)

---

Clusterization

(Николенко, слайды, воронцов, лекция)

• K-means (объяснение на хабре)
• DBSCAN (хабр)
• Affinity Propagation (habr)
• EM
• Self-Organaized Maps aka Kohonen's networks (все там же отличная статья!)
• Principal Component Analysis aka Понижение размерности (объяснение на хабре)
• t-SNE

---

Many of them together

• Bagging aka Bootstrap aggregation (Random Forest, etc.) (объяснение на хабре)

• Boosting (все там же, дьяконов, чья то неплохая курсовая)

--- .middle

FIN!