Новый онлайн-учебник по машинному и глубокому обучению

В августе 2025 года закончено оформление онлайн-учебника DeepMachineLearning.ru по машинному и глубокому обучению (нейросетям). Он подготовлен доцентом кафедры ММП Виктором Владимировичем Китовым на основе читаемых им потоковых курсов «Методы машинного обучения» и «Глубокое машинное обучение» для бакалавров факультета ВМК в рамках реализации академической программы по искуственному интеллекту, поддержанной фондом «Интеллект».

Онлайн-формат был выбран, чтобы облегчить доступ к информации и упростить поиск интересующих понятий. Материалы оформлены в виде вложенной иерархической структуры, а связанные друг с другом понятия связаны гиперссылками для удобства навигации. В конце разделов добавлены проверочные вопросы, а также главы со ссылками на дополнительную литературу для более полного погружения в каждую тему.

Онлайн-учебник состоит из двух частей. Первая из них посвящена классическим алгоритмам машинного обучения. Рассматривается полный цикл решения задач регрессии и классификации: подготовка данных, настройка модели, оценка её качества и интерпретация прогнозов, а также различные классы прогнозирующих методов – метрические, линейные, деревья решений, ансамбли моделей.

Вторая часть учебника посвящена нейронным сетям. Здесь собрана информация о различных архитектурах: многослойном персептроне, симаских нейронных сетях, автокодировщике, свёрточных, рекуррентных и графовых нейросетях, а также о модели трансформера. Изучаются их приложения к табличным данным, временным рядам, изображениям, текстам и графам. Отдельное внимание уделено вопросам эффективной настройки и регуляризации глубоких нейросетей, содержащих большое число параметров.

Кроме того, рассматриваются специальные задачи для каждого типа данных: классификация, сегментация и детекция объектов на изображениях; классификация, генерация и машинный перевод для текстов; классификация графов целиком, а также их отдельных узлов и рёбер, восстановление пропущенных рёбер на графах.

Материалы онлайн-учебника свободно доступны на сайте https://deepmachinelearning.ru/. В будущем планируется добавление новых тем и книжное издание учебника.