Математические методы прогнозирования (лекции, В.В. Стрижов)/Группы 674, 774, весна 2021
Материал из MachineLearning.
Strijov (Обсуждение | вклад)
(Новая: {{Main|Численные методы обучения по прецедентам (практика, В.В. Стрижов)}} __NOTOC__ This course joins two parts of the problem sta...)
К следующему изменению →
Версия 12:39, 28 января 2021
This course joins two parts of the problem statements in Machine Learning. The first part comes from the structure of the measured data. The data come from Physics, Chemistry and Biology and have intrinsic algebraic structure. This stricture is part of the theory that stands behind the measurement. The second part comes from errors of the measurement. The stochastic nature errors request the statistical methods of analysis. So this course joins algebra and statistics. It is devoted to the problem of predictive model selection.
The course holds two semesters: Fall 2020 and Spring 2021. It contains lectures and practical works. Out of schedule cuts off half the score. The scoring, max:
- Questionnaires during lectures (3)
- Two application projects (2+2)
- The final exam: problems with discussion (3)
Список вопросов и ссылки на материалы курса для зачета
Meetings
Wednesday 10:30 m1p.org/go_zoom
Youtube video
- Л1:
Оценивание
Практическое задание
Формат выполнения
- Создать файл pynb Surmane2020Problem в папке
- В файле Название задачи, автор
- Краткое пояснение задачи
- Желательна модель в виде формулы, а не в виде алгоритмического описания
- Три функции: модель, критерий качества, прогноз, оптимизация параметров (и выбор модели)
- График с прогнозом
- График с анализом ошибки на ваш выбор
Пояснение для сдающих в январе 2021: задание должно содержать
- время (можно в натуральных числах), явно указывающее на объект выборки,
- прогноз на несколько точек (поточечно, если это модель дает поточечный прогноз).
Пример: