Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 874, осень 2013
Материал из MachineLearning.
(Различия между версиями)
(→Эссе) |
(→Лекции) |
||
Строка 148: | Строка 148: | ||
|[http://svn.code.sf.net/p/mlalgorithms/code/Pushnyakov2013SpectrumImage/doc/Pushnyakov2013SpectrumImage.pdf] | |[http://svn.code.sf.net/p/mlalgorithms/code/Pushnyakov2013SpectrumImage/doc/Pushnyakov2013SpectrumImage.pdf] | ||
| 24 сентября | | 24 сентября | ||
- | |OK | + | |OK(5) + 1/4 * [(0/GR) + (?/MK) + (8/10)] |
|- | |- | ||
|Machine Learning Problem Statements in Plate Notations | |Machine Learning Problem Statements in Plate Notations | ||
Строка 154: | Строка 154: | ||
|[http://svn.code.sf.net/p/mlalgorithms/code/Group874/Koksharov2013Essey/KoksharovSlidesGraphicalModels.pdf] | |[http://svn.code.sf.net/p/mlalgorithms/code/Group874/Koksharov2013Essey/KoksharovSlidesGraphicalModels.pdf] | ||
|24 сентября | |24 сентября | ||
- | |OK | + | |OK(5) + 1/4 * [(?/GR) + (0/MK) + (0/AM) + (0/AR)] |
|- | |- | ||
|Deep Learning / Methods for Big Data | |Deep Learning / Methods for Big Data | ||
Строка 160: | Строка 160: | ||
|[http://svn.code.sf.net/p/mlalgorithms/code/Kashcheeva2013InverseVAR/doc/Kashcheeva2013InverseVar.pdf] | |[http://svn.code.sf.net/p/mlalgorithms/code/Kashcheeva2013InverseVAR/doc/Kashcheeva2013InverseVar.pdf] | ||
|1 октября | |1 октября | ||
- | |? | + | |OK(5) + 1/4 * [(?/GR) + (?/MK) + (7/10) + (0/AR)] |
|- | |- | ||
|Usage of Copulas | |Usage of Copulas | ||
Строка 166: | Строка 166: | ||
|[http://svn.code.sf.net/p/mlalgorithms/code/Ryskina2013Txt2Bib/doc/Ryskina2013Txt2Bib.pdf] | |[http://svn.code.sf.net/p/mlalgorithms/code/Ryskina2013Txt2Bib/doc/Ryskina2013Txt2Bib.pdf] | ||
|1 октября | |1 октября | ||
- | |? | + | |OK(5) + 1/4 * [(?/GR) + (?/MK) + (0/AM) + (8/10)] |
|- | |- | ||
|Problems of Voting, Expert Systems and Preference Learning | |Problems of Voting, Expert Systems and Preference Learning | ||
Строка 172: | Строка 172: | ||
|[http://svn.code.sf.net/p/mlalgorithms/code/Chinaev2013PupilBoundary/doc/Chinaev2013PupilBoundary.pdf] | |[http://svn.code.sf.net/p/mlalgorithms/code/Chinaev2013PupilBoundary/doc/Chinaev2013PupilBoundary.pdf] | ||
|8 октября | |8 октября | ||
- | |? | + | | + 1/4 * [(?/GR) + (?/MK) + (8/10) + (7/10)] |
|- | |- | ||
|Topic Modeling: PLSA, LDA et al. | |Topic Modeling: PLSA, LDA et al. | ||
Строка 178: | Строка 178: | ||
|[http://svn.code.sf.net/p/mlalgorithms/code/Grinchuk2013InverseVAR/doc/Grinchuk2013InverseVAR.pdf] | |[http://svn.code.sf.net/p/mlalgorithms/code/Grinchuk2013InverseVAR/doc/Grinchuk2013InverseVAR.pdf] | ||
|8 октября | |8 октября | ||
- | |? | + | | + 1/4 * [(?/GR) + (?/MK) + (7/10) + (8/10)] |
|- | |- | ||
|MDL Principle | |MDL Principle | ||
Строка 184: | Строка 184: | ||
|[http://svn.code.sf.net/p/mlalgorithms/code/Perekrestenko2013DeepLearning/doc/Perekrestenko2013DeepLearning.pdf] | |[http://svn.code.sf.net/p/mlalgorithms/code/Perekrestenko2013DeepLearning/doc/Perekrestenko2013DeepLearning.pdf] | ||
|15 октября | |15 октября | ||
- | |? | + | | + 1/4 * [(?/GR) + (?/MK) + (8/10) + (7/10)] |
|- | |- | ||
|Data and Parameter Sampling and Applications | |Data and Parameter Sampling and Applications | ||
Строка 190: | Строка 190: | ||
| | | | ||
|15 октября | |15 октября | ||
- | |? | + | | + 1/4 * [(?/GR) + (?/MK) + (8/10) + (6/10)] |
+ | |- | ||
+ | |Ямщиков | ||
+ | |? | ||
+ | | | ||
+ | |22 октября | ||
+ | | + 1/4 * [(0/GR) + (0/MK) + (0/AM) + (0/AR)] | ||
|- | |- | ||
|Gaussian Processes and Applications for Machine Learning | |Gaussian Processes and Applications for Machine Learning | ||
Строка 196: | Строка 202: | ||
|[http://svn.code.sf.net/p/mlalgorithms/code/Yashkov2013FeatureSelection/doc/Yashkov2013FeatureSelection.pdf] | |[http://svn.code.sf.net/p/mlalgorithms/code/Yashkov2013FeatureSelection/doc/Yashkov2013FeatureSelection.pdf] | ||
|22 октября | |22 октября | ||
- | | | + | | |
|- | |- | ||
|Role of the Error Function in the Model Selection Problems | |Role of the Error Function in the Model Selection Problems | ||
Строка 202: | Строка 208: | ||
|[http://svn.code.sf.net/p/mlalgorithms/code/Yashkov2013FeatureSelection/doc/Yashkov2013FeatureSelection.pdf] | |[http://svn.code.sf.net/p/mlalgorithms/code/Yashkov2013FeatureSelection/doc/Yashkov2013FeatureSelection.pdf] | ||
|22 октября | |22 октября | ||
- | | | + | | |
|} | |} | ||
Версия 11:01, 1 октября 2013
Эссе
Автор | 1 | 2 | 3 | 4 | 5 | 5 | 7 | 8 | 9 | 0 |
---|---|---|---|---|---|---|---|---|---|---|
Рудой | 1 | 2 | 3 | |||||||
Кокшаров | 1 | 1 | 1 | |||||||
Романенко | 1 | 2 | 3 | |||||||
Мотренко | 1 | 2 | 3 | |||||||
Будников | 1 | 2 | 3DL! | |||||||
Сандуляну | 1 | 2 | 3 | |||||||
Бурмистров | 1 | 2 | 3 | |||||||
Токмакова | 1 | 2 | 3 | |||||||
Ямщиков | 1 | 1 | 2 |
Список тем
- Аппроксимация множества точек замкнутыми кривыми
- Метод группового учета аргументов в новой нотации
- Заполнение пропусков в порядковых шкалах и в шкалах без отношения полного порядка
- Роль Матрицы Ганкеля в прогнозировании временных рядов
Лекции
Тема | Автор | Ссылка | Дата | Результат |
---|---|---|---|---|
Data Analysis Problem Statements in the Category Theory Language | Рудой | [1] | 24 сентября | OK(5) + 1/4 * [(0/GR) + (?/MK) + (8/10)] |
Machine Learning Problem Statements in Plate Notations | Кокшаров | [2] | 24 сентября | OK(5) + 1/4 * [(?/GR) + (0/MK) + (0/AM) + (0/AR)] |
Deep Learning / Methods for Big Data | Романенко | [3] | 1 октября | OK(5) + 1/4 * [(?/GR) + (?/MK) + (7/10) + (0/AR)] |
Usage of Copulas | Мотренко | [4] | 1 октября | OK(5) + 1/4 * [(?/GR) + (?/MK) + (0/AM) + (8/10)] |
Problems of Voting, Expert Systems and Preference Learning | Будников | [5] | 8 октября | + 1/4 * [(?/GR) + (?/MK) + (8/10) + (7/10)] |
Topic Modeling: PLSA, LDA et al. | Сандуляну | [6] | 8 октября | + 1/4 * [(?/GR) + (?/MK) + (7/10) + (8/10)] |
MDL Principle | Бурмистров | [7] | 15 октября | + 1/4 * [(?/GR) + (?/MK) + (8/10) + (7/10)] |
Data and Parameter Sampling and Applications | Токмакова | 15 октября | + 1/4 * [(?/GR) + (?/MK) + (8/10) + (6/10)] | |
Ямщиков | ? | 22 октября | + 1/4 * [(0/GR) + (0/MK) + (0/AM) + (0/AR)] | |
Gaussian Processes and Applications for Machine Learning | [8] | 22 октября | ||
Role of the Error Function in the Model Selection Problems | [9] | 22 октября |
Дополнительно
- Mixture of Experts
- Feature generation for Image Analysis
- Learning of games / Многорукие бандиты
- Метрические вложения
- Теория статистического обучения
Требования: Продолжительность: 1 академический час, 45 минут. Число слайдов: 20-30 (по вкусу).
- Раскрыть проблему постановки задачи Машинного обучения и анализа данных в данной теме
- Подобрать примеры постановки (и решения) известных (а может и узкоспециальных) задач
Рекомендации к стилю изложения:
- дать основные определения этой области
- привести теоретические примеры и основные свойства
- представить математические методы,
- дать теоретические постановки задач,
- привести приметы прикладных задач.
Оценки: макс. 7 баллов из 10 (5 за лекцию + 2 за тесты). Тест: готовит лектор, 5 вопросов со свободным ответом и вопрос «Основное сообщение лекции (2-3 предложения)». Результат теста: N из 5 (отображается в 1/4). 17 декабря – отчеты о научной работе.
Практика
А.А. Ивахненко: тест/экзамен.