Машинное обучение (РЭУ)

Материал из MachineLearning.

Версия 20:32, 20 марта 2016

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

Введение

Метод ближайших соседей

Туториалы

• A Crash Course in Python for Scientists
• Numpy
• Matplotlib
• Scipy Lecture Notes
• Pandas
• Scikit-learn

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

• Лекции Scientific Python
• Книга: Wes McKinney «Python for Data Analysis»
• Коллекция интересных IPython ноутбуков