Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 874, осень 2013
Материал из MachineLearning.
Эссе
Автор | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 0 |
---|---|---|---|---|---|---|---|---|---|---|
Рудой | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 8 | 8 |
Кокшаров | 1 | 1 | 2 | 2 | 3 | 4 | 5 | 6 | 7 | 7 |
Романенко | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 7 | 8 | 9 |
Мотренко | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 8 | 9 |
Будников | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 8 | 8 |
Сандуляну | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 8 | 8 |
Бурмистров | 1[1] | 2[2] | 3[3] | 4[4] | 5[5] | 6[6] | 7[7] | 8[8] | 9[9] | 10 [10] |
Токмакова | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 8 | 8 |
Ямщиков | 1 | 1 | 2 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
Список тем
- Аппроксимация множества точек замкнутыми кривыми
- Метод группового учета аргументов в краткой нотации
- Заполнение пропусков в порядковых шкалах (и в шкалах без отношения полного порядка)
- Роль Матрицы Ганкеля в прогнозировании временных рядов
- Интегральные индикаторы в ранговых шкалах
- Порождение признаков в прикладных задачах анализа данных
- Смеси моделей, многоуровневые модели, смеси экспертов
- Отыскание общих узлов в последовательности наборов метрических конфигураций
- Регрессионный анализ задачах математического моделирования. Найти пример использования регрессионного анализа в тех задачах математического моделирования в физике, химии, биологии, и т.д., где требуется получить модель, интерпретируемую в терминах предметной области
- Машинное обучение через 20 лет: какими методами АД (МО, ИИ, ЭС, АЗ,...) мы будем пользоваться? Какие задачи мы будет решать? Что я буду делать в своей профессиональной области?
Лекции
Тема | Автор | Ссылка | Дата | Результат |
---|---|---|---|---|
Data Analysis Problem Statements in the Category Theory Language | Рудой | ? | 24 сентября | OK(5)+1/4 * [(0/GR)+(8/10)+(8/10AM)+(8/10AR)+(9/10)+(4.5/5)+(10/10)+(4.5/5)+(9/10)] |
Machine Learning Problem Statements in Plate Notations | Кокшаров | [11] | 24 сентября | OK(5)+1/4 * [(8/GR)+(0/MK)+(0/AM)+(0/AR)+(8/10)+(4.5/5)+(9/10)+(4/5)+(10/10)] |
Deep Learning / Methods for Big Data | Романенко | [12] | 1 октября | OK(5)+1/4 * [(9/10GR)+(9/10)+(7/10)+(0/AR)+(9/10)+(4/5)+(10/10)+(4.5/5)+(9/10)] |
Usage of Copulas | Мотренко | [13] | 1 октября | OK(5)+1/4 * [(10/10GR)+(9/10)+(0/AM)+(8/10)+(6/10)+(5/5)+(9/10)+(4.5/5)+(10/10)] |
Problems of Voting, Expert Systems and Preference Learning | Будников | [14] | 8 октября | OK(5)+1/4 * [(8/10)+(7/10)+(8/10)+(7/10)+(8/10)+(0/YB)+(10/10)+(4.5/5)+(7/10)] |
Topic Modeling: PLSA, LDA et al. | Сандуляну | [15] | 8 октября | OK(5)+1/4 * [(7/10)+(6/10)+(7/10)+(8/10)+(0/LS)+(3.5/5)+(9/10)+(4.5/5)+(10/10)] |
MDL Principle | Бурмистров | [16] | 15 октября | OK(5)+1/4 * [(0/10)+(0/10)+(8/10)+(7/10)+(10/10)+(4/5)+(0/MB)+(4/5)+(10/10)] |
Data and Parameter Sampling and Applications | Токмакова | [17] | 15 октября | OK(5)+1/4 * [(9/10)+(6/10)+(8/10)+(6/10)+(9/10)+(5/5)+(10/10)+(0/AT)+(10/10)] |
Learning of games / Многорукие бандиты | Ямщиков | [18] | 22 октября | OK(5) +1/4 * [(8/10)+(10/10)+(0/AM)+(0/AR)+(9/10)+(5/5)+(10/10)+(5/5)+(0/IY)] |
Mixture of Experts (and Models) | Адуенко | 29 октября |
Дополнительно
- Метрические вложения
- Теория статистического обучения
Требования: Продолжительность: 1 академический час, 45 минут. Число слайдов: 20-30 (по вкусу).
- Раскрыть проблему постановки задачи Машинного обучения и анализа данных в данной теме
- Подобрать примеры постановки (и решения) известных (а может и узкоспециальных) задач
Рекомендации к стилю изложения:
- дать основные определения этой области
- привести теоретические примеры и основные свойства
- представить математические методы,
- дать теоретические постановки задач,
- привести приметы прикладных задач.
Оценки: макс. 7 баллов из 10 (5 за лекцию + 2 за тесты). Тест: готовит лектор, 5 вопросов со свободным ответом и вопрос «Основное сообщение лекции (2-3 предложения)». Результат теста: N из 5 (отображается в 1/4). 17 декабря – отчеты о научной работе.
Практика
В.В. Стрижов: практика
Внешняя ссылка на технологическую карту проекта (редактирование возможно по доступу).
Домашнее задание S1.
- Постановка задачи и математическое описание алгоритма в файле Surname2013Title.tex и pdf (подумать над синтетическими данными).
- Описание интерфейса в общем файле Systemdocs:
- Литература: каждый добавляет свои ссылки на статьи с основным алгоритмом.
- Свой блок в общем файле IDEF0 (вSystemdocs пока не вставлять).
- Егор: Общее описание алгоритма.
Домашнее задание S2.
- Написать код, работающий на синтетических данных, доработать постановку задачи
- Технологии:
- Егор: дописать IDEF, описание проекта, интерфейс
- Илья: прочитать доклад о юнит-тестировании
- Александра: проверить тестовые данные и согласовать их постановкой задач
- Любовь: проверить постановки задач и описания алгоритмов (те, которые будут готовы)
Технологам нужно заполнить проверенные работы в таблице.
Домашнее задание S3.
- Написать юнит-тесты для кода, попытаться запустить алгоритм на реальных данных.
- Технологии:
- Любовь: утвердить все постановки задач, сшить постановки в общую статью (используя jmlda.sty)
- Георгий: проверить стиль кода, сделать замечания, предложить удобные обозначения переменных, согласованные с постановками задач
- Егор: проверить и утвердить IDEF0, описания данных и интерфейсов.
- Илья: проверить и утвердить юнит-тесты
Домашнее задание S4.
- Написать системные тесты, отпрофилировать, нарисовать картинки, написать комментарии.
- Технологии:
- Все - картинки с использованием географической карты (и других изображений - карты высот и карты SAR) с результатами и пояснениями для отчета
- Егор: запуск системы, завершение systemdocs
- Анастасия: Проверить результаты визуализации - содержимое и оформление
- Михаил Б.: список работающих тестов systemdocs
- Михаил К.: отчет по разделам с картинками, часть systemdocs
Доклад
- Презентовать свою часть результатов с картинками
Результаты
Автор | S1 | S2 | S3 | S4 | Технологическая роль | Системный подход | Доклад | |||
---|---|---|---|---|---|---|---|---|---|---|
Рудой | ||||||||||
Кокшаров | ||||||||||
Романенко | ||||||||||
Мотренко | ||||||||||
Будников | ||||||||||
Сандуляну | ||||||||||
Бурмистров | ||||||||||
Токмакова | ||||||||||
Ямщиков |
А.А. Ивахненко: тест/экзамен
- Токмакова -0,5 (3)
- Бурмистров -2,5 (2)
- Будников -1 (3)
- Романенко -1,5 (2)
- Ямщиков -0,5 (3)
- Мотренко -3 (2)
- Рудой -4,5 (1)
- Кокшаров -6,5 (0,5)
- Сандуляну -1,5 (2)
Минус баллы - это сколько было допущено ошибок. Дробные баллы за ошибки в неоднозначных вопросах или за достойные аргументы в поддержку своего ответа. Критерии (-1,5; 0] = 3, (-4; -1,5] = 2, (-inf; -4] = 1 с уменьшением по мере приближения к -inf.