Машинное обучение (РЭУ)
Материал из MachineLearning.
(→Успеваемость) |
(→Задания) |
||
| Строка 8: | Строка 8: | ||
==Задания== | ==Задания== | ||
| - | [[Media:Check_KNN.zip|Проверка работы метода K-NN]] | + | [[Media:Check_KNN.zip|Проверка работы метода K-NN]] |
| - | [[Media:digits_KNN.zip|Применение метода K-NN для распознавания цифр]] - | + | [[Media:digits_KNN.zip|Применение метода K-NN для распознавания цифр]] |
| + | |||
| + | [[Media:REU_ML-Mushrooms.zip|Поиск наилучшей модели для оценки съедобности грибов]] | ||
==Успеваемость== | ==Успеваемость== | ||
Версия 18:45, 21 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
Применение метода K-NN для распознавания цифр
Поиск наилучшей модели для оценки съедобности грибов
Успеваемость
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
