Спецкурс «Прикладные задачи анализа данных»

Материал из MachineLearning.

(Различия между версиями)

Перейти к: навигация, поиск

Версия 17:39, 27 октября 2013

Содержание

1 Объявление
2 Слушатели
3 Лекции
4 Аннотация
5 Отчётность
6 Ссылки
7 Ещё ссылки

Объявление

Спецкурс начал работу 16 сентября (понедельник) в 16:20 (5я пара).

Лектор: Дьяконов Александр

Важно! Для участия в спецкурсе необходимо было зарегистрироваться.

Сейчас регистрация уже закрыта.

Желающие прослушать спецкурс могут дождаться следующего года.

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!

Слушатели

Рассылки материалов делаются только зарегистрированным пользователям, которые перечислены в таблице (см. ниже).

Слушатели, которые перестают делать домашние задания, удаляются из таблицы. За каждое задание можно получить от 0 до 10 штрафных баллов. 10 штрафных баллов понижают итоговую оценку на один балл.

Условные обозначения:

LB - есть в таблице конкурса (при конкурсном задании), LB-k - занято высокое k-е место (среди слушателей спецкурса), +r - сдан отчёт, {-n} - n штрафных баллов.

ФИО	рег	задание 1	задание 2 (в проверке)	штраф(сумма на 26.10)
Файзи Вахиб	маг	LB+r		0
Рыжков Александр Михайлович	417	LB+r	+r	0
Харациди Олег	417	LB+r	+r	0
Шаповалов Никита Анатольевич	201	LB+r		0
Адимов Арсений Владимирович	205	LB+r		0
Рысьмятова Анастасия Александровна	214	LB+r	+r	0
Тавыриков Юрий Евгеньевич	205	LB-2+r	+r	0
Трофимов Михаил Игоревич	МФТИ4	LB+r		0
Шадриков Андрей	417	LB+r	+r	0
Кульпинов Владимир Константинович	202	LB {-3}		-3
Бырдин Александр Владимирович	МФТИ4	LB-3 {-3}		-3
Кудрявцев Георгий Алексеевич	206	LB-1+r	+r	0
Софиюк Константин Сергеевич	206	LB+r	+r	0
Долганов Станислав Викторович	206	LB+r	+r	0
Тихонов Глеб Николаевич	513	LB+r	+r	0
Купляков Денис	203	LB+r	+r	0
Зак Евгений	517	LB {-3}		-3
Шабашев Фёдор Маркович	417	LB+r		0
Ломов Никита	417	LB+r	+r	0
Алёшин Илья	417	LB+r	+r {-1}	-1
Славнов Константин Анатольевич	317	LB+r	+r	0
Шевцова (Подлевских) Алена	ВМКвып	LB+r		0
Гавриков Михаил Игоревич	517	+r {-6}	+r	-6
Ромов Петр Алексеевич	517	{-10}		-10
Фонарев Александр Юрьевич	517	+r {-3}	+r	-3
Дорофеев Николай Юрьевич	Яндекс	{-10}		-10
Игнатов Алексей Николаевич	416	+r {-3}		-3

Лекции

Число	Лекция	Материалы, замечания
16.09.13	Решение задачи [The Big Data Combine Engineered by BattleFin] - прогноз цены на основе многомерного ряда и анонимизированных признаков. Загрузка данных, простые модели, линейная регрессия и случайный лес, сравнение R и MATLAB.	Домашнее задание: решить задачу (отчёт). Материалы см. в [ветке форума] соревнования.
07.10.13	Разбор первого домашнего задания. Искусство визуализации данных: признаки в задаче [bioresponse], оценка признаков и фолдов, деформация ответов, устойчивость закономерностей, профили лет (в прогнозировании вр.рядов), плотности, оценка качества признаков с помощью RF и удалений	Слайды и материалы высланы по почте участникам.
14.10.13	Продолжение Искусство визуализации данных: Результаты алгоритмов и их линейные комбинации, ручная деформация пространств, визуализация и сглаживание плотностей, построение профилей. Что надо знать о признаках. Визуализация по-вертикали и по-горизонтали. Шумы и шумовые признаки. Задачи [cause-effect-pairs], [GiveMeSomeCredit], [DarkWorlds]. Как начать решать второе домашнее задание.	Слайды и материалы высланы по почте участникам.
21.10.13	Вторая задача: мозговой штурм. Оценка среднего, оценка вероятности, оценка плотности. Весовые схемы. Задача [dunnhumby].
28.10.13	Продолжение Оценка плотности. Весовые схемы. Задача [пробки]. Следующая тема: Напоминание: линейные классификаторы и линейная регрессия.