Участник:ADY

Материал из MachineLearning.

Версия 10:57, 5 декабря 2007 (править) ADY (Обсуждение | вклад) (→Машинное обучение) ← К предыдущему изменению		Текущая версия (17:37, 30 ноября 2009) (править) (отменить) ADY (Обсуждение | вклад)
(12 промежуточных версий не показаны.)
Строка 1:		Строка 1:
-	== Машинное обучение ==	+	== Андрей Сивер ==
-	* 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.	+	* ЖивойЖурнал: [http://ady-1981.livejournal.com/ ady-1981.livejournal.com]
-	** В узком смысле изучает конкретные модели, которые имеют успех для процесса обучения (понимаемое еще в более узком смысле).	+	* Научные интересы: символьные вычисления, прикладная статистика (непараметрическая статистика).
-	* Статистическую теорию машинного обучения можно понимать как логическое продолжение (или развитие) математической статистики для малых выборок, и как пролонгацию 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.	+	* Деятельность: расчет букмекерских коэффициентов, разработка платформы для анализа спортивной статистики и анализа данных с биржи Betfair, построение систем рейтинга.
-	* 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).	+	* Знания в IT: Mathematica, Java (Java EE, ZK, JPA, Hibernate), XQuery.
-	* 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.	+	* Занимался оценкой значений фундаментальных физических констант в ГНЦ ИФВЭ (2003-2006).
-	* 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 :).	+	* Окончил Физфак МГУ в 2004 (кафедра теорфизики).
		+	* Веду тематическое сообщество, посвященное статистическомй анализу данных: http://community.livejournal.com/stat_analysis/
		+
		+	[[Категория:Страницы участников|ADY]]

---

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/