ЛК1:

● умозаключение, структура, классификация

● дедукция, схема рассуждений
● индукция, обобщение, схема рассуждений, схема вывода, виды индукции,
методы индуктивного рассуждения(Дж. С. Миль), функции индукции, область
применения
● традуктивные умозаключения
● умозаключение по аналогии, схема, область применения

ЛК2:
● индуктивные рассуждения, правдоподобное рассуждение, вероятностные и
логические процедуры в индуктивных рассуждениях
● правило правдоподобного вывода, вывод в исчислении предикатов, критерии
корректности или рациональности. Особенности применения правдоподобного
вывода
● Модель, задачи индуктивного вывода, этапа индуктивного вывода
● способы оценки рациональности гипотез
● задачи индуктивного вывода

ЛК3:
● Модели обобщения: по выборкам, по данным
● Методы обобщения: по признакам, структурно-логические (концептуальные); их
типы математических моделей
● индуктивное описание фактов, характеристические описания
● правила индуктивного обобщения: опускание несущественных условий, замены
констант, замыкания интервала, обобщения “вверх по дереву”, “конструктивной”
индукции, стратегия обобщения

ЛК4:
● Формирование гипотез
● Общие методы выдвижения гипотез
● Виды обоснованности гипотез свидетельствами: совместимость,
подтверждение, приемлемость
● Модели подтверждения и принятия гипотез, правила принятия и отклонения
гипотезы

ЛК5:
● Имитация индуктивных рассуждений
● автоматическое порождение гипотез: методы обучения, GUHA-метод, ДСМ-
метод
● Основы ДСМ-метода порождения гипотез (Джон Стюарт Милль), область
применения
● Основные этапы ДСМ-метода: выявления сходства, этап правил, этап
рассуждений
ЛК6:
● Вероятность и индукция. Статистический индуктивный вывод
● Вероятностный характер индуктивных рассуждений
● Статистическая индукция: структура умозаключения, статистический вывод.
Виды статистической индукции: проверка гипотез, оценивание параметров
● Область принятия и отклонения статистической гипотезы, границы, уровень
значимости
● Ошбики первого и второго рода
● Решающее правило, статистика критерия

ЛК7:
● Общая схема статистической проверки гипотез: понятие статистической
гипотезы, процедура проверки гипотезы, виды альтернативных гипотез
● понятие Р-значения
● основные типы статистических гипотез: о типе распределения исследуемой
величины, об однородности двух или нескольких выборок и характеристик
анализируемых совокупностей, о числовых значениях параметров исследуемой
генеральной совокупности, о типе зависимости между компонентами
исследуемого многомерного признака, независимости и стационарности ряда
наблюдений

ЛК8:
● Проверка гипотез о виде распределения и о числовых значениях параметров
распределений
● Выбор распределения для описания данных
● Критерий Х2 Пирсона
● Критерии, основанные на расстоянии между теоретической и эмпирической
функциями распределения вероятностей
● Гипотезы о числовых значениях параметров (мат ожидание при известной и
неизвестной дисперсии, дисперсия при неизвестном мат ожидании, значение
параметра биномиального распределения, значение линейного коэффициента
корреляции

ЛК9:
● Гипотезы однородности: функций распределения, мат ожиданий и дисперсий
● критерии однородности распределений (Колмогорова - Смирнова)
● однородность мат ожиданий (Т-критерий Стьюдента, Т-критерий Уэлча, Л-
статистика Уилкса)
● однородность дисперсий (критерий однородности двух выборочных дисперсий,
Ф-распределение Фишера
● Равенство параметров двух биномиальных распределений
ЛК10:
● Машинное обучение: понятие, обучающая выборка
● Задачи: классификация, восстановление регрессии, кластерный анализ,
идентификация, прогнозирование, извлечение знаний
● Типы обучения
● Способы представления исходной информации (три источника: учитель,
внешняя среда, сама интеллектуальная среда
● Модели обучения, типы задач

ЛК11:
● Обучение без учителя, типы задач
● Общая постановка задачи распознавания в условиях отсутствия обучающих
выборок
● Меры близости, коэф. корреляции
● Алгоритмы классификации методом кластерного анализа

ЛК12:
● Деревья решений, характеристики область применения
● Построение дерева решений
● Структура дерева классификации
● Вычислительные задачи древообразных классификаторов

ЛК13:
● Понятия классификации и распознавания
● Математическая постановка задачи распознавания
● Основные задачи классификации (распознавания)
● Алгоритм распознавания, основанный на принципе разделения

ЛК14:
● Вероятностные системы распознавания
● Правила классификации при известных плотностях распределения
(максимального правдоподобия, байесовское правило классификации
(априорные вероятности), при различных ковариационных матрицах)

ЛК15:
● Классификация при наличии обучающих выборок
● Подстановочное правило классификации
● Дискриминантный анализ
● Оценка вероятности ошибочной классификации

ЛК16 (17):
● Логические алгоритмы распознавания
● Структурные методы распознавания
Владимир Маяковский — Нате

Через час отсюда в чистый переулок

вытечет по человеку ваш обрюзгший жир,
а я вам открыл столько стихов шкатулок,
я — бесценных слов мот и транжир.

Вот вы, мужчина, у вас в усах капуста

Где-то недокушанных, недоеденных щей;
вот вы, женщина, на вас белила густо,
вы смотрите устрицей из раковин вещей.

Все вы на бабочку поэтиного сердца

взгромоздитесь, грязные, в калошах и без калош.
Толпа озвереет, будет тереться,
ощетинит ножки стоглавая вошь.

А если сегодня мне, грубому гунну,

кривляться перед вами не захочется — и вот
я захохочу и радостно плюну,
плюну в лицо вам
я — бесценных слов транжир и мот.