м |
|
| (154 промежуточные версии не показаны) |
| Строка 1: |
Строка 1: |
| - | Курс посвящен
| + | = Страница купса переехала сюда https://ml-mipt.github.io/ = |
| - | Основной задачей курса является
| + | |
| - | | + | |
| - | Лекторы: Анастасия Зухба, Константин Воронцов.
| + | |
| - | Семинаристы: Алексей Романенко, Борис Коваленко, Ашуха Арсений,
| + | |
| - | | + | |
| - | Все вопросы по курсу можно задать через систему piazza.
| + | |
| - | Анонимные отзывы по курсу можно отправить через --
| + | |
| - | | + | |
| - | == Расписание занятий == | + | |
| - | | + | |
| - | В 2016 году курс читается по пятницам в корпусе , начало в (лекция) и (семинар).
| + | |
| - | {| class="standard"
| + | |
| - | !Дата !! № занятия !! Занятие !! Материалы
| + | |
| - | |-
| + | |
| - | |12 февраля 2016 || align="center"| 1 || Задачи обучения по прецедентам. Supervised, unsupervised и semi-supervised обучение. Понятия переобучения и обобщающей способности. Скользящий контроль (cross-validation). ||
| + | |
| - | |-
| + | |
| - | |19 февраля 2016 || align="center"|2 || Метрические алгоритмы классификации. Обобщённый метрический классификатор, понятие отступа. Метод ближайших соседей (kNN) и его обобщения. Подбор числа k по критерию скользящего контроля. Отбор эталонных объектов. алгоритм СТОЛП. ||
| + | |
| - | |-
| + | |
| - | |26 февраля 2016 || align="center"|3 || Построение метрик и отбор признаков. Стандартные метрики. Оценивание качества метрики. Проклятие размерности. Жадный алгоритм отбора признаков. ||
| + | |
| - | |-
| + | |
| - | |4 марта 2016 || align="center"|4 || Логические закономерности. Статистический критерий информативности Ic(',Xl): смысл и способы вычисления. Энтропийный критерий информативности, информационный выигрыш IGainc(',Xl). Многоклассовые варианты критериев. Индекс Gini. Задача перебора конъюнкций. “Градиентный” алгоритм синтеза конъюнкций и его частные случаи: жадный алгоритм, стохастический локальный поиск, стабилизация, редукция. ||
| + | |
| - | |-
| + | |
| - | |11 марта 2016 || align="center"|5 || Бинаризация признаков, алгоритм выделения информативных зон. Решающие списки. Решающие деревья: принцип работы. Разбиение пространства объектов на подмножества, выделяемые конъюнкциями терминальных вершин. Алгоритм ID3. Пре-прунинг и пост-прунинг. ||
| + | |
| - | |-
| + | |
| - | |18 марта 2016 || align="center"|6 || Знакомство с идеей композиции алгоритмов. Random Forest, Беггинг, RSM, стекинг. ||
| + | |
| - | |-
| + | |
| - | |25 марта 2016 || align="center"|7 || Линейная классификация. Непрерывные аппроксимации пороговой функции потерь. Метод минимизации аппроксимированного эмпирического риска. SG, SAG. Связь минимизации аппроксимированного эмпирического риска и максимизации совместного правдоподобия данных и модели. Регуляризация (l1, l2, elastic net). Вероятностный смысл регуляризаторов. Примеры различных функций потерь и классификаторов. Эвристический вывод логистической функции потерь. ||
| + | |
| - | |-
| + | |
| - | |1 апреля 2016 || align="center"|8 || Метод опорных векторов. Оптимизационная задача с ограничениями в виде неравенств и безусловная. Опорные векторы. Kernel trick. ||
| + | |
| - | |-
| + | |
| - | |8 апреля 2016 || align="center"|9 || Задача снижения размерности пространства признаков. Идея метода главных компонент
| + | |
| - | (PCA). Связь PCA и сингулярного разложения матрицы признаков (SVD). Вычисление SVD в пространствах высокой размерности методом стохастического градиента (SG SVD). ||
| + | |
| - | |-
| + | |
| - | |15 апреля 2016 || align="center"|10 || Многомерная линейная регрессия. Геометрический и аналитический вывод. Регуляризация в задаче регрессии. Непараметрическая регрессия. Формула Надарая-Ватсона. Регрессионные деревья. ||
| + | |
| - | |-
| + | |
| - | |22 апреля 2016 || align="center"|11 || Байесовская классификация и регрессия. Функционал риска и функционал среднего риска. Оптимальный байесовский классификатор и теорема о минимизации среднего риска. Наивный байесовский классификатор. ||
| + | |
| - | |-
| + | |
| - | |29 апреля 2016 || align="center"|12 || Восстановление плотности: параметрический и непараметрический подход. Метод Парзеновского окна. Параметрический подход на примере нормального дискриминантного анализа. Линейный дискриминант Фишера. Логистическая регрессия.||
| + | |
| - | |-
| + | |
| - | |6 мая 2016 || align="center"|13 || Задача прогнозирования временного ряда, примеры задач. Составление матрицы регрессии, адаптация весов регрессоров во времени. ||
| + | |
| - | |-
| + | |
| - | |13 мая 2016 || align="center"|14 || Задача кластеризации. Аггломеративная и дивизионная кластеризация. Алгоритмы k-Means. Кластеризация с помощью EM-алгоритма (без вывода M-шага). Формула Ланса-Уилльямса. ||
| + | |
| - | |-
| + | |
| - | |20 мая 2016 || align="center"|15 || ЗМетод обратного распространения ошибок. Основная идея. Основные недостатки и способы их устранения. Выбор начального приближения, числа слоёв, числа нейронов скрытого слоя в градиентных методах настройки нейронных сетей. Методы ускорения сходимости. Метод оптимального прореживания нейронной сети. ||
| + | |
| - | |-
| + | |
| - | |}
| + | |
| - | | + | |
| - | == Семинары ==
| + | |
| - | | + | |
| - | === Семинары: Арсений Ашуха ===
| + | |
| - | | + | |
| - | Таблица с результатами находится тут, материалы к занятиям находятся тут,
| + | |
| - | | + | |
| - | Новости:
| + | |
| - | | + | |
| - | Практические задания:
| + | |
| - | # 1
| + | |
| - | # 2
| + | |
| - | | + | |
| - | Система выставления оценок по курсу:
| + | |
| - | # 1
| + | |
| - | # 2
| + | |
| - | | + | |
| - | === Семинарист 1 ===
| + | |
| - | | + | |
| - | '''Таблица с результатами находится [www.vk.com здесь].'''
| + | |
| - | | + | |
| - | Новости:
| + | |
| - | | + | |
| - | Практические задания:
| + | |
| - | # 1
| + | |
| - | # 2
| + | |
| - | | + | |
| - | Система выставления оценок по курсу:
| + | |
| - | # 1
| + | |
| - | # 2
| + | |
| - | | + | |
| - | == Литература ==
| + | |
| - | # ''К. В. Воронцов'' [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf Математические методы обучения по прецедентам]
| + | |
| - | | + | |
| - | == Страницы курса прошлых лет == | + | |
| - | --
| + | |
| - | | + | |
| - | == См. также ==
| + | |
| - | [[Категория:Учебные курсы]]
| + | |
