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 | |||
Кокшаров | 1 | 1 | 2 | 2 | 3 | 4 | 5 | |||
Романенко | 1 | 2 | 3 | 4 | 5 | 6 | 7 | |||
Мотренко | 1 | 2 | 3 | 4 | 5 | 6 | 7 | |||
Будников | 1 | 2 | 3 | 4 | 5 | 6 | 7 | |||
Сандуляну | 1 | 2 | 3 | 4 | 5 | 6 | 7 | |||
Бурмистров | 1 | 2 | 3 | 4 | 5 | 6 | 7 | |||
Токмакова | 1 | 2 | 3 | 4 | 5 | 6 | 7 | |||
Ямщиков | 1 | 1 | 2 | 2 | 3 | 4 | 5 |
Список тем
- Аппроксимация множества точек замкнутыми кривыми
- Метод группового учета аргументов в новой 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
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)+(?/IY)] |
Machine Learning Problem Statements in Plate Notations | Кокшаров | [1] | 24 сентября | OK(5)+1/4 * [(8/GR)+(0/MK)+(0/AM)+(0/AR)+(8/10)+(4.5/5)+(9/10)+(4/5)+(?/IY)] |
Deep Learning / Methods for Big Data | Романенко | [2] | 1 октября | OK(5)+1/4 * [(9/10GR)+(9/10)+(7/10)+(0/AR)+(9/10)+(4/5)+(10/10)+(4.5/5)+(?/IY)] |
Usage of Copulas | Мотренко | [3] | 1 октября | OK(5)+1/4 * [(10/10GR)+(9/10)+(0/AM)+(8/10)+(6/10)+(5/5)+(9/10)+(4.5/5)+(?/IY)] |
Problems of Voting, Expert Systems and Preference Learning | Будников | [4] | 8 октября | OK(5)+1/4 * [(8/10)+(7/10)+(8/10)+(7/10)+(8/10)+(0/YB)+(10/10)+(4.5/5)+(?/IY)] |
Topic Modeling: PLSA, LDA et al. | Сандуляну | [5] | 8 октября | OK(5)+1/4 * [(7/10)+(6/10)+(7/10)+(8/10)+(0/LS)+(3.5/5)+(9/10)+(4.5/5)+(?/IY)] |
MDL Principle | Бурмистров | [6] | 15 октября | OK(5)+1/4 * [(0/10)+(0/10)+(8/10)+(7/10)+(10/10)+(4/5)+(0/MB)+(4/5)+(?/IY)] |
Data and Parameter Sampling and Applications | Токмакова | [7] | 15 октября | OK(5)+1/4 * [(9/10)+(6/10)+(8/10)+(6/10)+(9/10)+(5/5)+(10/10)+(0/AT)+(?/IY)] |
Learning of games / Многорукие бандиты | Ямщиков | [8] | 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 | ||
Preference Learning and Ranking Alternatives | 5 ноября | |||
Feature Generation in Image Processing | 2 ноября |
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
https://docs.google.com/spreadsheet/pub?key=0AqZWpNtugyPHdDUzNFkxaXNCMjVRcUVJT3kzZ2EzeVE&output=html Внешняя ссылка на технологическую карту проекта (редактирование возможно по доступу).
Домашнее задание 1.
- 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.
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.