classic & modern MLclassic & modern ML

Алгоритмы Машинного ОбученияMachine-Learning Algorithms

Обучение с учителем, обучение без учителя и графовый ML, глубокое и подкрепляемое обучение — от линейных моделей до трансформеров и RL. Каркас: 3 подраздела, 9 пунктов, страницы ещё не написаны.Supervised learning, unsupervised and graph ML, deep and reinforcement learning — from linear models to transformers and RL. Skeleton: 3 subsections, 9 items, pages not yet written.

5.1 Обучение с Учителем (Supervised Learning)5.1 Supervised learning

5.1.1 Линейные моделиLinear modelsЛинейная и логистическая регрессия, регуляризация (L1 Lasso, L2 Ridge, ElasticNet).Linear and logistic regression, regularization (L1 Lasso, L2 Ridge, ElasticNet).interview 5.1.2 Ядерные методыKernel methodsSupport Vector Machines (SVM), Kernel Trick, радиально-базисная функция ядра (RBF).Support vector machines (SVM), the kernel trick, the radial basis function (RBF) kernel. 5.1.3 Деревья решений и ансамблиDecision trees & ensemblesCART, Random Forest, градиентный бустинг деревьев решений (XGBoost, LightGBM, CatBoost).CART, Random Forest, gradient-boosted decision trees (XGBoost, LightGBM, CatBoost).interview

5.2 Обучение без Учителя и Графовый ML5.2 Unsupervised & graph ML

5.2.1 КластеризацияClusteringK-Means, K-Medoids, DBSCAN, иерархическая кластеризация, Gaussian Mixture Models (GMM / EM-алгоритм).K-means, K-medoids, DBSCAN, hierarchical clustering, Gaussian mixture models (GMM / the EM algorithm).interview 5.2.2 Снижение размерности и многообразияDimensionality reduction & manifoldst-SNE, UMAP, автокодировщики (Autoencoders).t-SNE, UMAP, autoencoders. 5.2.3 Graph Neural Networks (GNN)Node Embeddings (Node2Vec, DeepWalk), GCN (Graph Convolutional Networks), GAT (Graph Attention Networks).Node embeddings (Node2Vec, DeepWalk), GCN (graph convolutional networks), GAT (graph attention networks).

5.3 Глубокое и Подкрепляемое Обучение (DL & RL)5.3 Deep & reinforcement learning

5.3.1 Глубокие нейросетиDeep neural networksМногослойный перцептрон (MLP), алгоритм обратного распространения ошибки (Backpropagation), CNN, RNN, LSTM.Multilayer perceptron (MLP), the backpropagation algorithm, CNN, RNN, LSTM.interview 5.3.2 Трансформеры и вниманиеTransformers & attentionSelf-Attention mechanism, Multi-Head Attention, Positional Encoding, архитектура Encoder-Decoder (GPT/BERT-подобные модели).The self-attention mechanism, multi-head attention, positional encoding, the encoder-decoder architecture (GPT/BERT-like models).interview 5.3.3 Reinforcement LearningMarkov Decision Process (MDP), уравнение Беллмана, Q-Learning, Deep Q-Networks (DQN), Policy Gradients (PPO, SAC).Markov decision process (MDP), the Bellman equation, Q-learning, deep Q-networks (DQN), policy gradients (PPO, SAC).

статусstatus

Это каркас: 3 подраздела и 9 пунктов зафиксированы, страницы ещё не написаны. Метка interview отмечает темы, которые встречаются на технических собеседованиях чаще всего. Содержание разделов адаптировано из kb/theory.md — личного высокоуровневого плана базы знаний.This is a skeleton: 3 subsections and 9 items are locked in, pages not yet written. The interview tag marks the topics that come up most often in technical interviews. Section content is adapted from kb/theory.md, a personal high-level knowledge-base outline.