Участник:ADY

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(→Сивер Андрей Степанович)
 
(10 промежуточных версий не показаны.)
Строка 1: Строка 1:
== Андрей Сивер ==
== Андрей Сивер ==
-
* Окончил Физфак МГУ в 2004 (кафедра теорфизики).
+
* ЖивойЖурнал: [http://ady-1981.livejournal.com/ ady-1981.livejournal.com]
 +
* Научные интересы: символьные вычисления, прикладная статистика (непараметрическая статистика).
 +
* Деятельность: расчет букмекерских коэффициентов, разработка платформы для анализа спортивной статистики и анализа данных с биржи Betfair, построение систем рейтинга.
 +
* Знания в IT: Mathematica, Java (Java EE, ZK, JPA, Hibernate), XQuery.
* Занимался оценкой значений фундаментальных физических констант в ГНЦ ИФВЭ (2003-2006).
* Занимался оценкой значений фундаментальных физических констант в ГНЦ ИФВЭ (2003-2006).
-
* Знания в IT: Mathematica, Java (Java EE, JSF), XQuery.
+
* Окончил Физфак МГУ в 2004 (кафедра теорфизики).
-
* ЖивойЖурнал: [http://ady-1981.livejournal.com/]
+
* Веду тематическое сообщество, посвященное статистическомй анализу данных: http://community.livejournal.com/stat_analysis/
-
=== Текущие представления о машинном обучении ===
+
[[Категория:Страницы участников|ADY]]
-
* Происходит и эволюционирует из тематики "искусственного интеллекта".
+
-
** В широком смысле изучает любые математические и кибернетические модели, способные к обучению: понимаемое (1) в широком смысле, как адаптацию в текущих условиях, с целью максимально эффективного действия; (2) в узком смысле, моделирование среды, с целью выяснения ее свойств и характеристик.
+
-
** В узком смысле изучает конкретные модели, которые имеют успех для процесса обучения (понимаемое еще в более узком смысле).
+
-
* Статистическую теорию машинного обучения можно понимать как логическое продолжение (или развитие) математической статистики для малых выборок, и как распространение статистических идей для статистических задач в общей постановке: то есть, когда имеются и используются только данные и достаточно общие условия и знания о задаче, и требуется определить все статистические или любые иные объективные характеристики системы.
+
-
* Особенность подхода машинного обучения состоит в том, что изучаться может сам процесс обучения, причем результаты предыдущих процессов обучения могут использоваться в следующей процедуре обучения. В обычной матстатистике такие модели, как правило, не изучаются (обычно, рассматриваются только весь набор имеющихся данных и такой подход математически выглядит проще, чем анализ рекурентных соотношений; в то время как для компьютерного моделирования второй подход гораздо проще первого).
+
-
* Ключевым для статистической теории машинного обучения является конечность процесса обучения: то есть при заданной точности требуемых характеристик (в рамках рассматриваемой задачи машинного обучения) число необходимых данных для обучения должно быть конечно. Количество памяти для такого обучения должно быть также ограничено.
+
-
* Не стоит недооценивать понимание машинного обучения в широком смысле (см. выше). Мозг человека можно понимать как некоторую физическую машину для некоторого алгоритма машинного обучения. Видя успехи этой системы ;), можно надеется на будущие успехи и теории машинного обучения :).
+

Текущая версия

Андрей Сивер

  • ЖивойЖурнал: ady-1981.livejournal.com
  • Научные интересы: символьные вычисления, прикладная статистика (непараметрическая статистика).
  • Деятельность: расчет букмекерских коэффициентов, разработка платформы для анализа спортивной статистики и анализа данных с биржи Betfair, построение систем рейтинга.
  • Знания в IT: Mathematica, Java (Java EE, ZK, JPA, Hibernate), XQuery.
  • Занимался оценкой значений фундаментальных физических констант в ГНЦ ИФВЭ (2003-2006).
  • Окончил Физфак МГУ в 2004 (кафедра теорфизики).
  • Веду тематическое сообщество, посвященное статистическомй анализу данных: http://community.livejournal.com/stat_analysis/
Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%A3%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA:ADY»
Личные инструменты