Спецкурс «Прикладные задачи анализа данных»

Материал из MachineLearning.

Версия 18:41, 23 мая 2014 (править) Dj (Обсуждение | вклад) (→Объявление) ← К предыдущему изменению		Версия 18:45, 23 мая 2014 (править) (отменить) Dj (Обсуждение | вклад) (→Объявление) К следующему изменению →
Строка 7:		Строка 7:
	Для участия в отборе необходимо:		Для участия в отборе необходимо:
-	* освоить (если его не было в учебной программе) курс ...	+	* освоить (если его не было в учебной программе) курс [[Машинное обучение (курс лекций, К.В.Воронцов)|Машинное обучение]],
-	* выступить хотя бы в одном соревновании по анализу данных	+	* выступить хотя бы в одном соревновании по анализу данных,
-	* Пройти анкетирование (или собеседование в сентябре)	+	* Пройти анкетирование (или собеседование в сентябре).
	Список допустимых соревнований:		Список допустимых соревнований:

---

Версия 18:45, 23 мая 2014

Содержание 1 Объявление 2 Аннотация 3 Страницы курсов прошлых лет 4 Правила 5 Лекции 6 Отчётность 7 Ссылки 8 Ещё ссылки

Объявление

В сентябре 2014 года будет объявлен новый набор слушателей спецкурса.

Поскольку обычно желающих очень много, а работа на спецкурсе подразумевает сильную вовлечённость студентов и небольшой набор слушателей, то будет произведён отбор.

Для участия в отборе необходимо:

• освоить (если его не было в учебной программе) курс Машинное обучение,
• выступить хотя бы в одном соревновании по анализу данных,
• Пройти анкетирование (или собеседование в сентябре).

Список допустимых соревнований:

• Higgs Boson Machine Learning Challenge
• ecMeg2014 - Decoding the Human Brain
• Detect seizures in intracranial EEG recordings
• KDD Cup 2014 - Predicting Excitement at DonorsChoose.org
• Acquire Valued Shoppers Challenge

Результат будет учитываться при отборе.

Аннотация

Данный курс стал победителем конкурса инновационных учебных технологий.

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!

Лектор: Дьяконов Александр

Страницы курсов прошлых лет

Спецкурс «Прикладные задачи анализа данных» (2013 год)

Правила

• Рассылки материалов делаются только зарегистрированным слушателям курса (перечислены в таблице слушателей).
• Слушатели, которые перестают делать домашние задания, удаляются из таблицы.

Лекции

Здесь будет выложена программа нового (2014 года) - по мере чтения курса.

Старую программу см. на странице Спецкурс «Прикладные задачи анализа данных» (2013 год).

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.