Спецкурс «Прикладные задачи анализа данных»

Материал из MachineLearning.

Версия 16:14, 9 октября 2013 (править) Dj (Обсуждение | вклад) (→Слушатели) ← К предыдущему изменению		Версия 16:18, 9 октября 2013 (править) (отменить) Dj (Обсуждение | вклад) (→Слушатели) К следующему изменению →
Строка 180:		Строка 180:
	| 517		| 517
	| +r {-6}		| +r {-6}
-	|
-	|
-	|-
-	| Чепарухин Сергей Игоревич
-	| 214
-	| ---
	|		|
	|		|
Строка 203:		Строка 197:
	| Дорофеев Николай Юрьевич		| Дорофеев Николай Юрьевич
	| Яндекс		| Яндекс
-	| ---
-	|
-	|
-	|-
-	| Федорова Дарья Дмитриевна
-	| ВМК2
-	| ---
-	|
-	|
-	|-
-	| Чабаненко Владислав Дмитриевич
-	| 204
	| ---		| ---
	|		|
Строка 222:		Строка 204:
	| 416		| 416
	| +r {-3}		| +r {-3}
-	|
-	|
-	|-
-	| Каледин Станислав Витальевич
-	| МФТИ4
-	| ---
	|		|
	|		|

---

Версия 16:18, 9 октября 2013

Содержание 1 Объявление 2 Слушатели 3 Лекции 4 Аннотация 5 Отчётность 6 Ссылки 7 Ещё ссылки

Объявление

Спецкурс начал работу 16 сентября (понедельник) в 16:20 (5я пара).

Лектор: Дьяконов Александр

Важно! Для участия в спецкурсе необходимо было зарегистрироваться. Сейчас регистрация уже закрыта. Желающие прослушать спецкурс могут дождаться следующего года.

Основная цель: практика решения современных задач классификации, прогнозирования, регрессии, рекомендации и т.п., подготовка участников к соревнованиям на платформах Kaggle и Algomost.

Мероприятие проходит в двух режимах:

• спецкурса – лекции о решении прикладных задач, обучение некоторым системам анализа данных (например R) и т.п.
• спецсеминара – обсуждение решаемых задач, выработка общих стратегий, разделение работы в рамках участия в соревновании одной командой, мозговой штурм и т.п.

Важно: от участников потребуется выполнение нетривиальных практических заданий!

Слушатели

Рассылки материалов делаются только зарегистрированным пользователям, которые перечислены в таблице (см. ниже). Слушатели, которые перестают делать домашние задания, удаляются из таблицы. За каждое задание можно получить от 0 до 10 штрафных баллов. 10 штрафных баллов понижают итоговую оценку на один балл. Условные обозначения: LB - есть в таблице конкурса (при конкурсном задании), LB-k - занято высокое k-е место (среди слушателей спецкурса), +r - сдан отчёт, {-n} - n штрафных баллов.

ФИО	рег	задание 1	задание 2	задание 3
Файзи Вахиб	маг	LB+r
Рыжков Александр Михайлович	417	LB+r
Харациди Олег	417	LB+r
Шаповалов Никита Анатольевич	201	LB+r
Адимов Арсений Владимирович	205	LB+r
Рысьмятова Анастасия Александровна	214	LB+r
Тавыриков Юрий Евгеньевич	205	LB-2+r
Трофимов Михаил Игоревич	МФТИ4	LB+r
Шадриков Андрей	417	LB+r
Кульпинов Владимир Константинович	202	LB
Бырдин Александр Владимирович	МФТИ4	LB-3
Кудрявцев Георгий Алексеевич	206	LB-1+r
Софиюк Константин Сергеевич	206	LB+r
Долганов Станислав Викторович	206	LB+r
Тихонов Глеб Николаевич	513	LB
Купляков Денис	203	LB
Зак Евгений	517	LB
Шабашев Фёдор Маркович	417	LB
Ломов Никита	417	LB+r
Алёшин Илья	417	LB+r
Славнов Константин Анатольевич	317	LB
Шевцова (Подлевских) Алена	ВМКвып	LB+r
Гавриков Михаил Игоревич	517	+r {-6}
Ромов Петр Алексеевич	517	---
Фонарев Александр Юрьевич	517	+r {-3}
Дорофеев Николай Юрьевич	Яндекс	---
Игнатов Алексей Николаевич	416	+r {-3}

Лекции

Число	Лекция	Материалы, замечания
16.09.13	Решение задачи [The Big Data Combine Engineered by BattleFin] - прогноз цены на основе многомерного ряда и анонимизированных признаков. Загрузка данных, простые модели, линейная регрессия и случайный лес, сравнение R и MATLAB.	Домашнее задание: решить задачу (отчёт). Материалы см. в [ветке форума] соревнования.
07.10.13	Разбор первого домашнего задания.

Аннотация

2do

Автор программы: Дьяконов Александр Геннадьевич

Отчётность

• отчёты по решению конкурсных задач (доклады с презентацией + исходники)
• зачёт с оценкой в конце семестра

Ссылки

• Научно-популярная лекция «Введение в анализ данных» (PDF, 1.4 Мб)

Вводная лекция, которая написана для просеминара.

• Анализ данных, обучение по прецедентам, логические игры, системы WEKA, RapidMiner и MatLab (практикум на ЭВМ кафедры математических методов прогнозирования)

Глава 12 «Шаманство в анализе данных».

• Научно-популярная лекция «Шаманство в анализе данных» (1.21Мб)

Переработка предыдущего источника в научно-популярную лекцию.

• Научно-популярная лекция «Чему не учат в анализе данных и машинном обучении»

Рассказываются тонкости решения задач, которые умалчиваются в основных курсах.

• Прогнозирование рядов соревнования «Tourism Forecasting Part Two» (414Кб)

Подробное описание некоторых простых алгоритмов для прогнозирования туристических временных рядов.

• Страница спецсеминара «Алгебра над алгоритмами и эвристический поиск закономерностей»

Приведены ссылки на сайты с данными реальных задач анализа данных.

Ещё ссылки

• Использование системы R в анализе данных

Неплохая короткая демка про соревнования в анализе данных, платформы для соревнований и возможности системы R.