Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 574, весна 2019
Материал из MachineLearning.
(Различия между версиями)
(→Расписание) |
(→Расписание) |
||
Строка 75: | Строка 75: | ||
|Григорий Малиновский | |Григорий Малиновский | ||
|13.02.19 | |13.02.19 | ||
- | |[https://github.com/alarcoelectro/Optimizers/blob/master/graph_bias.pdf | + | |[https://github.com/alarcoelectro/Optimizers/blob/master/graph_bias.pdf Структура] |
| | | | ||
|- | |- |
Версия 18:16, 5 марта 2019
Лекции с разбором фундаментальных понятий в современных задачах машинного обучения
Цель курса - научиться использовать фундаментальные понятия машинного обучения при анализе проблем, возникающих при решении прикладных задач последних лет.
Формат лекции
Источник: научные статьи последних лет, желательно 2017-2018. Продолжительность: 35 минут. Ожидаемое число слайдов: 15-30. Цели:
- Раскрыть базовое, фундаментальное понятие машинного обучения с примерами на современных прикладных прикладных задачах.
- Показать, как строится научное исследование на материале коммерческой задачи.
- Подобрать примеры постановки и решения новых и узкоспециальных задач.
Рекомендации к стилю изложения:
- дать основные определения этой области,
- вводимые обозначения должны быть удобны и непротиворечивы,
- используемые термины должны быть точны,
- дать теоретические постановки задач,
- представить математические методы решения,
- привести схему решения и его основные свойства,
- привести примеры внедрения прикладных задач.
Оценки: max 5 за лекцию, лекция является условием зачета, и max 5 за тесты. Тест готовит лектор, 10 вопросов с вариантами ответов. Суммарный результат тестов линейно отображается в [0,5].
Темы на выбор
Указать в таблице одну из тем:
- Модели
- Структура
- Сложность
- Устойчивость
- Ошибка, оптимизационная
- Ошибка, эксплуатационная
- Гипотеза порождения данных
- Суперпозиция
- Локальная аппроксимация
- Универсальные модели
- Снижение размерности
- ?Алгоритмы машинного обучения на квантовых компьютерах
- Embeddings
Лекции
- О.Ю. Бахтеев Выбор структуры модели: продолжение
- Г.С. Малиновский (Индуктивные смещения и графовые сети) (статья)
Задачи на выбор
- Частичное обучение (Semi-supervised learning, Transductive learning)
- Косвенное обучение (Transfer learning)
- Обучение словарей (Dictionary learning)
- Задачи многоклассовой классификации с классами различной мощности
- Функция ошибки в моделях глубокого обучения (и задача выбора моделей)
- Инварианты в задачах глубокого обучения
- Оценка объема выборки в глубоком обучении
- Generative vs Discriminative
- Выбор признаков в задачах квадратичной оптимизации
- Онлайновое обучение, обучение с подкреплением
Расписание
Автор | Дата | Тема и слайды | Ссылка на тест |
---|---|---|---|
Андрей Грабовой | 27.02.19 | Гипотеза порождениия данных | |
Григорий Малиновский | 13.02.19 | Структура | |
Олег Терехов | |||
Тамаз Гадаев | Снижение размерности | ||
Егор Шульгин | 12? / 4 | ||
Анна Рогозина | 13 | ||
Антон Астахов | |||
Вадим Кислинский | |||
Никита Плетнев | 6.03 | 1 | |
Егор Гладин | Суперпозиция |
Даты
- Февраль 6 начало, 13, 20, 27, Март 6, 13, 20, 27, Апрель 3, 10, 17, 24.