Машинное обучение (РЭУ)
Материал из MachineLearning.
(→Успеваемость) |
(→Успеваемость) |
||
| Строка 13: | Строка 13: | ||
==Успеваемость== | ==Успеваемость== | ||
| - | [[https://docs.google.com/spreadsheets/d/1YygbCumkpE0p0lZq9n2iAQfOYCR8iIgDMA3Ks-Do4Q4/edit?usp=sharing | + | [[https://docs.google.com/spreadsheets/d/1YygbCumkpE0p0lZq9n2iAQfOYCR8iIgDMA3Ks-Do4Q4/edit?usp=sharing Выполненность домашних работ]] |
==Лекции== | ==Лекции== | ||
Версия 20:32, 20 марта 2016
Содержание |
Краткое описание
Курс ведется для магистров РЭУ им.Г.В.Плеханова. В курсе рассматриваются основные задачи анализа данных и обучения по прецедентам: классификация, кластеризация, регрессия, понижение размерности, ранжирование, коллаборативная фильрация. По изложению для каждой рассматриваемой задачи изучаются математические основы методов, лежащие в их основе предположения о данных, взаимосвязи методов между собой и особенности их практического применения. Большое внимание уделено освоению практических навыков анализа данных, отрабатываемых на семинарах, которое будет вестись с использованием языка python и соответствующих библиотек для научных вычислений. От студентов требуются знания линейной алгебры, математического анализа и теории вероятностей.
Задания
Проверка работы метода K-NN - до 31.01.16
Применение метода K-NN для распознавания цифр - до 14.02.16
Успеваемость
[Выполненность домашних работ]
Лекции
Туториалы
Полезные ссылки
Машинное обучение
- machinelearning.ru
- Видеолекции курса К.В.Воронцова по машинному обучению
- Одна из классических и наиболее полных книг по машинному обучению. Elements of Statistical Learning (Trevor Hastie, Robert Tibshirani, Jerome Friedman)
Python
- Официальный сайт
- Библиотеки: NumPy, Pandas, SciKit-Learn, Matplotlib.
- Небольшой пример для начинающих: краткое руководство с примерами по Python 2
