Выбор моделей в машинном обучении (теория и практика, О.Ю. Бахтеев, В.В. Стрижов)/Группа 574, осень 2020

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Расписание)
Строка 2: Строка 2:
__NOTOC__
__NOTOC__
 +
Серия семниаров и докладов на тему выбора моделей машинного обучения. Обсуждаются теоретическе аспекты и практика байесовского подхода к выбору моделей. Цель семинаров - обсудить роль информативного априорного распределения (informative prior). Основные вопросы:
 +
# Как учитывать экспертные знания при назначении АР (простановка задач байесовского выбора моделей)?
 +
# Каким образом связаны теоретические модели прикладной области с информативным АР (интерпретируемость моделей с точки зрения теории)?
 +
# Как использовать новую информацию, полученную в результате вывода, придальнейшем назначении АР?
 +
 +
=== Темы семинаров ===
 +
# Байесовский вывод, повторение.
 +
#
Строка 9: Строка 17:
=== Темы на выбор ===
=== Темы на выбор ===
Указать в таблице одну из тем:
Указать в таблице одну из тем:
-
 
+
#
Строка 114: Строка 122:
|-
|-
|}
|}
 +
 +
=== Литература ===

Версия 18:44, 1 сентября 2020


Серия семниаров и докладов на тему выбора моделей машинного обучения. Обсуждаются теоретическе аспекты и практика байесовского подхода к выбору моделей. Цель семинаров - обсудить роль информативного априорного распределения (informative prior). Основные вопросы:

  1. Как учитывать экспертные знания при назначении АР (простановка задач байесовского выбора моделей)?
  2. Каким образом связаны теоретические модели прикладной области с информативным АР (интерпретируемость моделей с точки зрения теории)?
  3. Как использовать новую информацию, полученную в результате вывода, придальнейшем назначении АР?

Темы семинаров

  1. Байесовский вывод, повторение.



Темы на выбор

Указать в таблице одну из тем:


Расписание

Дата Автор Тема Автор Тема
16
23
30
7 октября
14
21
28
4 ноября
11
18
25
2 декабря
9

Литература

Личные инструменты