Курсовая работа: Разработка алгоритма автоматической разметки пользователей социальной сети «ВКонтакте» по возрастным группам

Содержание
ВВЕДЕНИЕ
1. МАШИННОЕ ОБУЧЕНИЕ
1.1. Цели машинного обучения
1.2. Методы машинного обучения
1.3. Популярный пример
1.4. Индукция правил (поиск закономерностей). Решающие деревья
1.5. Нейронные сети
1.6. Ансамбли моделей. Бустинг
1.7. Метрики качества алгоритмов машинного обучения
2. РАЗРАБОТКА ИНСТРУМЕНТОВ ПАРСИНГА И АНАЛИЗА ДАННЫХ ПРОФИЛЕЙ ПОЛЬЗОВАТЕЛЕЙ СОЦИАЛЬНОЙ СЕТИ
2.1. Разработка парсера для социальной сети «ВКонтакте»
2.2. Приложение и авторизация пользователя во «ВКонтакте»
2.3. Подготовка данных
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ
Монографии
Интренет-ресурсы
Приложение 1



ВВЕДЕНИЕ
Машинное обучение — обширный подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться. Различают два типа обучения. Обучение по прецедентам, или индуктивное обучение, основано на выявлении общих закономерностей по частным эмпирическим данным. Дедуктивное обучение предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний [2].
Машинное обучение находится на стыке математической статистики, методов оптимизации и классических математических дисциплин, но имеет также и собственную специфику, связанную с проблемами вычислительной эффективности и переобучения. Многие методы индуктивного обучения разрабатывались как альтернатива классическим статистическим подходам. Многие методы