Выбор моделей в машинном обучении (теория и практика, А.А. Адуенко, В.В. Стрижов)/Группа 674, осень 2019

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Текущая версия (03:29, 3 сентября 2020) (править) (отменить)
(Полностью удалено содержимое страницы)
 
Строка 1: Строка 1:
-
{{Main|Численные методы обучения по прецедентам (практика, В.В. Стрижов)}}
 
-
__NOTOC__
 
-
'''Байесовский выбор моделей'''
 
-
Курс лекций, преподаватель Александр Александрович Адуенко (aduenko1 at gmail.com)
 
-
 
-
* [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 474, осень 2018|Курс, прочитанный осенью '''2018''' года]]
 
-
* Короткий адрес страницы [http://bit.ly/2lD8lhs http://bit.ly/2lD8lhs]
 
-
* [[Media:Aduenko2019Introduction.pdf|Лекция 1: Введение]]
 
-
* [[Media:Bayes_theory_1_2019.pdf‎|Задание 1]]
 
-
* [[Media:Aduenko2019Introduction2.pdf|Лекция 2: Введение. Экспоненциальное семейство распределений.]]
 
-
* [[Media:Aduenko2019Evidence.pdf|Лекция 3: Байесовская линейная регрессия. Обоснованность (evidence).]]
 
-
* [[Media:Bayes_test_1_2019.pdf|Тест 1.]]
 
-
* [[Media:Bayes_applied_1_2019.pdf|Практическое задание 1.]]
 
-
* [https://www.dropbox.com/sh/v5r6vz51hzca7iy/AAByUjA3X5P2RzKEgf7RWdIKa?dl=0 Данные для практического задания 1]
 
-
* [[Media:Aduenko2019Evidence2.pdf|Лекция 4: Байесовская линейная регрессия (напоминание). Обоснованность (evidence).]]
 
-
* [[Media:Aduenko2019EvidenceLogRegression.pdf|Лекция 5: Байесовская логистическая регрессия и отбор признаков.]]
 
-
* [[Media:Bayes_theory_2_2019_new.pdf‎|Задание 2]]
 
-
* [[Media:Bayes_test_2_2019.pdf|Тест 2]]
 
-
* [[Media:Aduenko2019EM.pdf|Лекция 6: EM-алгоритм для максимизации обоснованности.]]
 
-
* [[Media:Aduenko2019EMndVariationalEM.pdf|Лекция 7: EM-алгоритм и вариационный EM-алгоритм.]]
 
-
* [[Media:Aduenko2019VariationalEM2.pdf|Лекция 8: Вариационный EM-алгоритм и введение в гауссовские процессы.]]
 
-
* [[Media:Bayes_theory_3_2019.pdf‎|Задание 3]]
 
-
* [[Media:Aduenko2019GP.pdf|Лекция 9: Гауссовские процессы для учёта эволюции модели.]]
 
-
* [[Media:Aduenko2019AdequateMultimodels.pdf|Лекция 10: Построение адекватных мультимоделей.]]
 
-
* [[Media:Bayes_applied_2_2019.pdf|Практическое задание 2.]]
 
-
* [[Media:Bayes_theory_4_2019.pdf‎|Задание 4]]
 
-
* [[Media:Aduenko2019MCMC.pdf|Лекция 11: Методы Монте-Карло по схеме марковских цепей.]]
 
-
* [[Media:Bayes_game_2019.pdf‎|Соревнование 1]]
 
-
* [[Media:Aduenko2019HMC2.pdf|Лекция 12: Гамильтоновы методы Монте-Карло по схеме марковских цепей.]]
 
-
* [[Media:Aduenko2019BayesOpt.pdf|Лекция 13: Байесовская оптимизация.]]
 
-
 
-
== Дополнительные материалы ==
 
-
# См. последний слайд каждой лекции со списком литературы.
 
-
# [http://www.inference.org.uk/itprnn/book.pdf David MacKay, 2005, Information Theory, Inference, and Learning Algorithms]
 
-
# [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf Christopher Bishop, 2006, Pattern Recognition and Machine Learning]
 
-
# [http://web4.cs.ucl.ac.uk/staff/D.Barber/textbook/090310.pdf David Barber, 2014, Bayesian Reasoning and Machine Learning]
 
-
# Daphne Koller and Nir Friedman, 2009, Probabilistic Graphical Models
 
-
# [https://doc.lagout.org/science/Artificial%20Intelligence/Machine%20learning/Machine%20Learning_%20A%20Probabilistic%20Perspective%20%5BMurphy%202012-08-24%5D.pdf Kevin P. Murphy, 2012, Machine Learning: a Probabilistic Perspective]
 

Текущая версия

Личные инструменты