Заглавная страница

Материал из MachineLearning.

Версия от 17:38, 15 января 2015; Strijov (Обсуждение | вклад)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)

MachineLearning.ru Профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных. Сейчас ресурс содержит 1097 статей на русском языке. Poligon.MachineLearning.ru — Полигон алгоритмов классификации	Классификация	Распознавание образов
	Регрессионный анализ	Анализ и понимание изображений
	Прогнозирование	Обработка и анализ текстов
	Прикладная статистика	Прикладные системы анализа данных
	Обработка сигналов	Все направления

Концепция

Инструктаж

Все статьи

Ненаписанные статьи

Полезные ссылки

Частые вопросы

Справка

Цели Ресурса

Сконцентрировать информацию о достижениях ведущих российских научных школ в области машинного обучения, распознавания образов, анализа данных.
Способствовать обмену опытом, накоплению и распространению научных знаний в этой области.
Предоставить площадку для виртуальных научных семинаров и обсуждений.
Предоставить доступ к Полигону алгоритмов классификации — распределенной системе тестирования алгоритмов классификации на реальных прикладных задачах.

Основные принципы

Ресурс строится по принципам Википедии — свободной энциклопедии.

Содержимое Ресурса создаётся всеми его пользователями и является общественным достоянием. Каждый пользователь ресурса может создать или модифицировать статью или раздел (категорию), в любое время, в любом месте, располагая только доступом в Интернет.

Главное отличие от Википедии — профессиональная направленность тематики. Допускается (и поощряется) пополнение Ресурса специальными, полемическими и учебными материалами, информацией о незавершённых исследованиях, исходными кодами алгоритмов и программ. По этим причинам Ресурс не может являться частью Википедии. В то же время, не исключается возможность обмена материалами с Википедией и другими сетевыми энциклопедиями.

Новые статьи

Глубокое машинное обучение (онлайн-учебник) (Victor Kitov) – [10:22, 20 ноября 2024]
Обучение с подкреплением (курс лекций) / 2024 (Cydoroga) – [14:04, 22 сентября 2024]
Байесовский выбор моделей (теория и практика, А.А. Адуенко, К.Д. Яковлев, В.В. Стрижов)/Группа 174, осень 2024 (Aduenko) – [10:59, 10 сентября 2024]
Байесовский выбор моделей II (теория и практика, А.А. Адуенко, В.В. Стрижов)/Группа 074, весна 2024 (Aduenko) – [03:29, 17 февраля 2024]
Математические методы распознавания образов (конференция)/Программа ММРО-23 (Strijov) – [11:38, 14 сентября 2023]
Байесовский выбор моделей (теория и практика, А.А. Адуенко, В.В. Стрижов)/Группа 074, осень 2023 (Aduenko) – [22:43, 11 сентября 2023]
Обучение с подкреплением (курс лекций) / 2023 (Kropotov) – [13:51, 28 августа 2023]
Анализ графов, сетей, функций сходства (курс лекций, А.И. Майсурадзе) (AIM) – [15:13, 31 мая 2023]
Вероятностные тематические модели (курс лекций, К.В.Воронцов)/2021 (Vokov) – [17:10, 14 февраля 2023]
Байесовский выбор моделей II (теория и практика, А.А. Адуенко, В.В. Стрижов)/Группа 974, весна 2023 (Aduenko) – [18:26, 11 февраля 2023]

Список всех статей

Новое в разделе «Публикации»

Jure Leskovec, Anand Rajaraman, Jeffrey D. Ullman Mining of Massive Datasets. — Cambridge University Press, 2014. — 511 p. (подробнее)
Сборник статей Past, Present, and Future of Statistical Science. — CRC Press, 2014. — 622 p. (подробнее)
Донской, В. И. Алгоритмические модели обучения классификации: обоснование, сравнение, выбор. — Симферополь: ДИАЙПИ, 2014. — 228 с. (подробнее)
Загоруйко, Н. Г. Когнитивный анализ данных. — Академическое издательство «ГЕО», 2012. — 203 с. (подробнее)
Мерков, А. Б. Распознавание образов. Введение в методы статистического обучения. — Едиториал УРСС, 2011. — 256 с. (подробнее)
Bishop, C.M. Pattern Recognition and Machine Learning. — Springer, 2006. — 738 p. (подробнее)
Jiawei Han, Micheline Kamber, Jian Pei Data Mining: Concepts and Techniques, Third Edition. — Morgan Kaufmann Publishers, 2012. — 703 p. (подробнее)
Sean Luke Essentials of Metaheuristics. — Lulu, 2009. — 235 p. (подробнее)
Дьяконов, A. Г. Анализ данных, обучение по прецедентам, логические игры, системы WEKA, RapidMiner и MatLab (практикум на эвм кафедры математических методов прогнозирования). — МАКСПресс, 2010. — 278 с. (подробнее)
Boucheron S., Lugosi G., Bousquet O. Concentration inequalities // Advanced Lectures in Machine Learning. — Springer, 2004. — С. 208-240. (подробнее)

Все публикации

Последние новости

27 января 2021 года — The 29th IEEE Conference of the Open Innovations Association FRUCT will be held in Tampere (Finland) on 12-14 May 2021. Submission deadline: 12 March 2021. See the Call for papers.
30 ноября 2020 года — Конференция Mathematical Optimization Theory and Operations Research MOTOR, will be held in Irkutsk, Baikal, 5—10 July 2021. Abstract submission: January 16, 2021, Full paper submission: February 13, 2021.
11 февраля 2020 года — Конференция Open Innovations Association FRUCT (Finnish-Russian University Cooperation in Telecommunications), проводимая в Москве 25—29 января 2021 года, принимает короткие и полные статьи до 30 октября и 20 ноября соответственно.
21 сентября 2020 года — Конференция Recent Advances in Machine Learning, Data Science, Intelligent Systems & Networking (MaDaIn 2020), проводимая в городе Дананг, Вьетнам 5—6 декабря, принимает статьи до 30 сентября.
11 февраля 2020 года — Конференция Artificial Intelligence and Natural Language (AINL 2020), проводимая в Хельсинки 7—9 октября, принимает короткие и полные статьи до 20 мая.