Спецкурс «Прикладные задачи анализа данных»
Материал из MachineLearning.
(Различия между версиями)
| Строка 52: | Строка 52: | ||
* golovan (I want to PZAD) - слабая активность | * golovan (I want to PZAD) - слабая активность | ||
| + | |||
| + | '''Засчитанные ники соревнования [https://www.kaggle.com/c/liberty-mutual-group-property-inspection-prediction/leaderboard Liberty Mutual Group: Property Inspection Prediction]''' | ||
| + | Очень высокий результат: | ||
| + | * Iskander (I want to PZAD) | ||
| + | * Vladimir Nikolaev (I want to PZAD) | ||
| + | * VA (I want to PZAD) | ||
| + | * Ilya Aleshin(I Want to PZAD) | ||
| + | * dioexul (I want to PZAD) | ||
| + | Остальные результаты коррелируют с бенчмарками или хуже | ||
| + | * kvas7andy (I want to PZAD) формальное участие | ||
| + | * antklen (I want to PZAD) | ||
| + | * Янина Анастасия (I want to PZAD) формальное участие | ||
| + | * Denis Tsitko (I want to PZAD) | ||
| + | * Evgeny Nekrasov (I want to PZAD) | ||
| + | * Tilga Sergey (I want to PZAD) | ||
| + | * Igor Subbotin (I want to PZAD) | ||
| + | * Антон Панкратов (I want to PZAD) | ||
| + | * Kirill Lunev (I want to PZAD) | ||
| + | * Aleksey Pogrebnyak (I want to PZAD) | ||
| + | * WHGP (I want to PZAD) | ||
| + | * Evgeny Eltyshev (I want to PZAD) | ||
| + | * Btbpanda (I want to PZAD) | ||
| + | * dsmolyakov (I want to PZAD) | ||
| + | * Roman K (I want to PZAD) большая активность - 103 | ||
| + | * Grigory Dymov (I want to PZAD) | ||
| + | * 39rus (I want to PZAD) | ||
| + | * Evgeny (I want to PZAD) | ||
| + | * Tazhoo Deen (I want to PZAD) | ||
| + | * Roman Khalkechev (I want to PZAD) формальное участие | ||
| + | * Mark Winogradov (I want to PZAD) формальное участие | ||
| + | * Taygrim(I want to PZAD) формальное участие | ||
}} | }} | ||
Версия 21:30, 30 августа 2015
| В сентябре 2015 года будет объявлен новый набор слушателей спецкурса.
Поскольку обычно желающих очень много, а работа на спецкурсе подразумевает сильную вовлечённость студентов и небольшое число слушателей, то будет произведён отбор. Для участия в отборе необходимо:
Список допустимых соревнований:
Как всегда: программа нового года будет слегка отличаться от предыдущих (добавлены новые темы, улучшено содержание). Курс открыт для всех желающих, но при их большом количестве студенты/аспиранты ВМК МГУ пользуются преимуществом. Вопросы можно задавать в комментариях к этому посту. |
|
| Засчитанные ники соревнования Search Results Relevance
Остальные результаты коррелируют с бенчмарками или хуже
|
Содержание |
Аннотация
|
| Данный курс стал победителем конкурса инновационных учебных технологий. |
Лектор: Дьяконов Александр
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, Matlab, Python+ 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!
Выпускники ПЗАДа, известные в спортивном анализе данных
| 2013 | 2014 | 2015 |
|---|---|---|
| Трофимов Михаил Рыжков Александр Софиюк Константин Фонарев Александр Харациди Олег | Гущин Александр Семёнов Станислав Фенстер Александра Ульянов Дмитрий Сиверский Михаил Шапулин Андрей Нижибицкий Евгений Остапец Андрей | это место вакантно |
Правила
- Рассылки материалов делаются только зарегистрированным слушателям курса (перечислены в таблице слушателей).
- Слушатели, которые перестают делать домашние задания, удаляются из таблицы.
- За каждое задание можно было получить от 0 до 10 штрафных баллов. 10 штрафных баллов понижают итоговую оценку на один балл.
Таблица появится после завершения регистрации
Лекции
Здесь будет выложена программа нового (2015 года) - по мере чтения курса.
Старые программы см. на страницах прошлых лет.
Отчётность
- отчёты по решению конкурсных задач (доклады с презентацией + исходники)
- зачёт с оценкой в конце семестра
Страницы курсов прошлых лет
Спецкурс «Прикладные задачи анализа данных» (2013 год)
Спецкурс «Прикладные задачи анализа данных» (2014 год)
Ссылки
- Книга Jure Leskovec, Anand Rajaraman, Jeff Ullman Mining of Massive Datasets * Неплохая книга на английском языке с обзором основных задач и методов в анализе данных (уровень сложности - средний).
- Книга Beautiful Visualization: Looking at Data through the Eyes of Experts (Theory in Practice) по визуализации данных
- Книга Шурыгин А.М. Математические методы прогнозирования * Неплохие идеи для решения некоторых практических задач статистики (но в целом, специфична)
- Статья Прогноз поведения клиентов супермаркетов с помощью весовых схем оценок вероятностей и плотностей.
- Книга Ту Дж., Гонсалес Р. Принципы распознавания образов * Уже чуть устаревшая книга. Но полистать стоит! Первая «энциклопедия по методам классификации».
- Прогнозирование рядов соревнования «Tourism Forecasting Part Two» (414Кб) * Подробное описание некоторых простых алгоритмов для прогнозирования туристических временных рядов.
- Статья A Blending of Simple Algorithms for Topical Classification * Описание метода классификации текстов. Содержание рассказывалось на лекции.
- Книга К.Д. Маннинг, П. Рагхаван, Х. Шютце «Введение в информационный поиск» * Простая, но хорошая книга по основам работы с текстом (прочитать обязательно).
- Статья Алгоритмы для рекомендательной системы: технология LENCOR.
- Книга Научно-популярная лекция «Введение в анализ данных» (PDF, 1.4 Мб) * Вводная лекция, которая написана для просеминара.
- Анализ данных, обучение по прецедентам, логические игры, системы WEKA, RapidMiner и MatLab (практикум на ЭВМ кафедры математических методов прогнозирования) * Глава 12 «Шаманство в анализе данных».
- Научно-популярная лекция «Шаманство в анализе данных» (1.21Мб) * Переработка предыдущего источника в научно-популярную лекцию.
- Научно-популярная лекция «Чему не учат в анализе данных и машинном обучении» * Рассказываются тонкости решения задач, которые умалчиваются в основных курсах.
Аналогичные курсы
- Data Science * Аналогичный (по духу) гарвардский курс
- Страница спецсеминара «Алгебра над алгоритмами и эвристический поиск закономерностей» * Приведены ссылки на сайты с данными реальных задач анализа данных.
Ещё ссылки
Неплохая короткая демка про соревнования в анализе данных, платформы для соревнований и возможности системы R.
