Обсуждение:Численные методы обучения по прецедентам (практика, В.В. Стрижов)

Материал из MachineLearning.

Версия 11:20, 28 марта 2011 (править) Strijov (Обсуждение | вклад) (Новая: Должна быть организационно решена следующая проблема. Студенты на практике должны использовать, с о...) ← К предыдущему изменению		Текущая версия (19:01, 20 марта 2019) (править) (отменить) Strijov (Обсуждение | вклад) (→Lecture 1)
(20 промежуточных версий не показаны.)
Строка 1:		Строка 1:
-	Должна быть организационно решена следующая проблема.	+	== Лекция 1 ==
		+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/1_Top_conferences_machinelearning.pdf?format=raw Список]топовых конференций в области машинного обучения.
		+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/2_High_IF_ScientificJournals.pdf?format=raw Список] зарубежных журналов с высоким импакт-фактором.
		+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/3_Low_IF_Journals.pdf?format=raw Список] зарубежных журналов с низким импакт-фактором
		+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/4_VAK_Recommended.pdf?format=raw Список] рекомендуемых журналов ВАК.
		+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/5_VAK_IAD_2012.pdf?format=raw Список] журналов, принимающих статьи по тематике курса.
		+	# Краткое [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/6_Strijov2014MLCourseShort.pdf?format=raw| описание] курса.
		+	# Описание результатов курса за период с 2008 по 2014 год: [[Медиа:Motrenko2014MLEducation.pdf‎| статья]].
		+	#* [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/7a_LinkReviewDensityforecasting.pdf?format=raw Пример] обзора литературы в формате LinkReview.
		+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/8_article-processing.pdf?format=raw Схема] процедуры рецензирования.
		+	# Примеры написания формального введения к квалификационной работе [http://svn.code.sf.net/p/mvr/lectures/4thYear/Lecture1/9a_ThesisIntro.pdf?format=raw], [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/9b_AutoreferatIntro.pdf?format=raw].
		+	# Примеры хороших студенческих статей [http://jmlda.org/papers/doc/2015/no11/Ivkin2015TSclassification.pdf KuznetsovIvkin2015], [http://strijov.com/papers/Katrutsa2014TestGenerationEn.pdf Katrutsa2015].
		+	# Примеры
		+	## отзывов рецензентов: [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/r1_Reviewer_PCA_NN.pdf?format=raw], [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/r2_Reviewer_Belsley?format=raw], [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/r3_Review_Ranking.pdf?format=raw]
		+	## ответов на отзывы рецензентов: [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/r4_Reviewer_Gait.pdf?format=raw], [https://sourceforge.net/p/mvr/lectures/code/HEAD/tree/4thYear/Lecture1/r5_Reviewer_Report_on_the_manuscript_correction.pdf?format=raw]
		+	## корректуры статьи [https://sourceforge.net/p/mvr/lectures/code/HEAD/tree/4thYear/Lecture1/r6_CorrectionSample.pdf?format=raw].
-	Студенты на практике должны использовать, с одной стороны, достаточно мощный, с другой стороны, бесплатный инструмент.	+	== Lecture 1 ==
-	Языки низкого уровня требуют (для быстрого получения результатов в нашей области) достаточно хорошей подготовки.	+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/1_Top_conferences_machinelearning.pdf?format=raw List] of top Machine Learninng conferences.
-	Поэтому рассматриваются следующие варианты:	+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/2_High_IF_ScientificJournals.pdf?format=raw List] of international journals with hgh IF.
		+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/3_Low_IF_Journals.pdf?format=raw List] of international jounals with low IF.
		+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/4_VAK_Recommended.pdf?format=raw List] of recommended HAC jounals.
		+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/5_VAK_IAD_2012.pdf?format=raw List] of jounals that publish articles on course subjects.
		+	# Brief [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/6_Strijov2014MLCourseShort.pdf?format=raw| discription] of the course.
		+	# A detailed discription of course results (from 2008 to 2014): [Motrenko2014MLEducation.pdf].
		+	#* [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/7a_LinkReviewDensityforecasting.pdf?format=raw An example] of literature review presented in the form of LinkReview.
		+	# [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/8_article-processing.pdf?format=raw Scheme] of reviewing procedure.
		+	# Some examples of writing a formal inroduction to qualification papers (Masters or Phd Thesis)[http://svn.code.sf.net/p/mvr/lectures/4thYear/Lecture1/9a_ThesisIntro.pdf?format=raw], [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/9b_AutoreferatIntro.pdf?format=raw].
		+	# Several examples of
		+	## reviewers comments: [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/r1_Reviewer_PCA_NN.pdf?format=raw], [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/r2_Reviewer_Belsley?format=raw], [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/r3_Review_Ranking.pdf?format=raw]
		+	## authors' responses to reviews: [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/4thYear/Lecture1/r4_Reviewer_Gait.pdf?format=raw], [https://sourceforge.net/p/mvr/lectures/code/HEAD/tree/4thYear/Lecture1/r5_Reviewer_Report_on_the_manuscript_correction.pdf?format=raw]
		+	## corrected paper [https://sourceforge.net/p/mvr/lectures/code/HEAD/tree/4thYear/Lecture1/r6_CorrectionSample.pdf?format=raw].
-	* Scilab -- испробован в Uni.-Siegen, нормально работает (в плане, можно использовать для иллюстрации мат. методов на лекциях и на практике при работе группы); недостаток -- мало алгоритмов ML/DM.	+
-	* SAS SODA -- установлен (установка занимает около 40 минут), декларирует возможность работы преподаватель-группа (не пробовал). Предназначен для тех, кто не программирует.	+	== Домашние задания, Весна 2019 ==
-	* Octave -- тот же Scilab, с нормальной поддержкой кода Matlab, но без удобного интерфейса по Windows.	+
-	* WEKA -- ?	+	{{tip|Машинное обучение, весна 2019, распределение по семинарам, анкета https://goo.gl/forms/Rt3l4SbSl7ETx9Ys2}}
-	* [http://rapid-i.com/content/view/182/196/ RapidMiner] - нужно попробовать для непрограммирующих студентов.	+
-	* R -- ? (распространен, но мало нужных библиотек ML/DM и бедные структуры данных).	+	===Домашнее задание FS: анализ пространства===
		+	08.02: Порождение расширенного признакового пространства, софткомпьютинг
		+	*
		+	===Домашнее задание FA: сравнение способов порождения признаков===
		+	15.02: Ручное порождение признаков или автоматическое
		+	*
		+	===Домашнее задание NA: описание нового алгоритма===
		+	22.03: Работа над основным алгоритмом
		+	*
		+	===Домашнее задание MM: мультимоделирование===
		+	01.03: Анализ адекватности модели, ансамбли и мультимоделирование
		+	*
		+	===Домашнее задание CO: график сложности и профилирование===
		+	15.03: Анализ сложности алгоритма: теоретический и эмпирический
		+	*
		+	===Домашнее задание CR: набор критериев и алгоритм оптимизации===
		+	22.03: Создание набора внешних критериев, дообучение
		+	*
		+	===Домашнее задание EX: эксперимент, анализ постановки в эксперименте===
		+	05.04: Планирование эксперимента
		+	*
		+	===Домашнее задание A: эксперимент, анализ ошибки в эксперименте ===
		+	19.04: Анализ результатов, оформление результатов эксперимента

---

Текущая версия

Содержание 1 Лекция 1 2 Lecture 1 3 Домашние задания, Весна 2019 3.1 Домашнее задание FS: анализ пространства 3.2 Домашнее задание FA: сравнение способов порождения признаков 3.3 Домашнее задание NA: описание нового алгоритма 3.4 Домашнее задание MM: мультимоделирование 3.5 Домашнее задание CO: график сложности и профилирование 3.6 Домашнее задание CR: набор критериев и алгоритм оптимизации 3.7 Домашнее задание EX: эксперимент, анализ постановки в эксперименте 3.8 Домашнее задание A: эксперимент, анализ ошибки в эксперименте

Лекция 1

1. Списоктоповых конференций в области машинного обучения.
2. Список зарубежных журналов с высоким импакт-фактором.
3. Список зарубежных журналов с низким импакт-фактором
4. Список рекомендуемых журналов ВАК.
5. Список журналов, принимающих статьи по тематике курса.
6. Краткое описание курса.
7. Описание результатов курса за период с 2008 по 2014 год: статья.
   • Пример обзора литературы в формате LinkReview.
8. Схема процедуры рецензирования.
9. Примеры написания формального введения к квалификационной работе [1], [2].
10. Примеры хороших студенческих статей KuznetsovIvkin2015, Katrutsa2015.
11. Примеры
    1. отзывов рецензентов: [3], [4], [5]
    2. ответов на отзывы рецензентов: [6], [7]
    3. корректуры статьи [8].

Lecture 1

1. List of top Machine Learninng conferences.
2. List of international journals with hgh IF.
3. List of international jounals with low IF.
4. List of recommended HAC jounals.
5. List of jounals that publish articles on course subjects.
6. Brief discription of the course.
7. A detailed discription of course results (from 2008 to 2014): [Motrenko2014MLEducation.pdf].
   • An example of literature review presented in the form of LinkReview.
8. Scheme of reviewing procedure.
9. Some examples of writing a formal inroduction to qualification papers (Masters or Phd Thesis)[9], [10].
10. Several examples of
    1. reviewers comments: [11], [12], [13]
    2. authors' responses to reviews: [14], [15]
    3. corrected paper [16].

Домашние задания, Весна 2019

Машинное обучение, весна 2019, распределение по семинарам, анкета https://goo.gl/forms/Rt3l4SbSl7ETx9Ys2

Домашнее задание FS: анализ пространства

08.02: Порождение расширенного признакового пространства, софткомпьютинг

Домашнее задание FA: сравнение способов порождения признаков

15.02: Ручное порождение признаков или автоматическое

Домашнее задание NA: описание нового алгоритма

22.03: Работа над основным алгоритмом

Домашнее задание MM: мультимоделирование

01.03: Анализ адекватности модели, ансамбли и мультимоделирование

Домашнее задание CO: график сложности и профилирование

15.03: Анализ сложности алгоритма: теоретический и эмпирический

Домашнее задание CR: набор критериев и алгоритм оптимизации

22.03: Создание набора внешних критериев, дообучение

Домашнее задание EX: эксперимент, анализ постановки в эксперименте

05.04: Планирование эксперимента

Домашнее задание A: эксперимент, анализ ошибки в эксперименте

19.04: Анализ результатов, оформление результатов эксперимента