Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 074, осень 2013

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(→Черновой список задач)
Строка 2: Строка 2:
__NOTOC__
__NOTOC__
 +
== Задачи ==
 +
{|class="wikitable"
 +
|-
 +
! Название задачи
 +
! Автор
 +
! Ссылка
 +
!MAIPVTDCHSJ
 +
|-
 +
|Определение напечатанного изображения (пример)
 +
|Пушняков Алексей (пример)
 +
|[http://svn.code.sf.net/p/mlalgorithms/code/Pushnyakov2013SpectrumImage/doc/Pushnyakov2013SpectrumImage.pdf]
 +
|MAIPVTDCHSJ
 +
|-
 +
|Welcome!
 +
|
 +
|
 +
|
 +
|-
 +
|}
-
== Черновой список задач ==
 
 +
 +
== Расписание ==
 +
{|class="wikitable"
 +
! Дата
 +
!
 +
! Что делаем
 +
! Результат для обсуждения
 +
! Код
 +
|-
 +
|Март
 +
|7
 +
|Выбрана задача, рецензент.
 +
|Запись в ML.
 +
|
 +
|-
 +
 +
 +
== Расписание ==
 +
{|class="wikitable"
 +
! Дата
 +
!
 +
! Что делаем
 +
! Результат для обсуждения
 +
! Код
 +
|-
 +
|Сентябрь
 +
|17
 +
|Выбрана задача, рецензент.
 +
|Запись в ML.
 +
|Problem
 +
|-
 +
|
 +
|25
 +
|Собрана литература, написаны комментарии.
 +
|Список литературы и мини-сообщение.
 +
|Literatura
 +
|-
 +
|2
 +
|Октябрь
 +
|Поставлена задача для синтетических данных. Написана математическая постановка в формате TeX.
 +
|Не более страницы отдельного текста.
 +
|Statement
 +
|-
 +
|9
 +
|
 +
|Создан файл отчета. Сделано описание проекта. Создана архитектура и интерфейс ядра системы (синтетические данные).
 +
|Описание, IDEF0.
 +
|ideF
 +
|-
 +
|16
 +
|
 +
|Детализирован интерфейс, написан код первого приближения.
 +
|Код для синтетических данных.
 +
|Code
 +
|-
 +
|
 +
|23
 +
|Написаны юнит-тесты. По результатам доработки кода написана рецензия на работу.
 +
|Тесты, рецензия
 +
|Unit-test
 +
|-
 +
|
 +
|30
 +
|Собраны реальные данные. Доработана схема IDEF0. Написаны модули подготовки данных.
 +
|Данные, вторая схема IDEF0, модули.
 +
|Data
 +
|-
 +
|6
 +
|Ноябрь
 +
|Собраны реальные данные. Доработана схема IDEF0. Написаны модули подготовки данных.
 +
|Данные, вторая схема IDEF0, модули.
 +
|Data
 +
|-
 +
|13
 +
|
 +
|Написаны и запущены системные тесты.
 +
|Тесты и отчет.
 +
|Tests
 +
|-
 +
|20
 +
|
 +
|Код оптимизирован.
 +
|Отчет профайлера до и после.
 +
|Profiler
 +
|-
 +
|27
 +
|
 +
|Написаны и запущены системные тесты.
 +
|Тесты и отчет.
 +
|Tests
 +
|-
 +
|4
 +
|Декабрь
 +
|Написаны и запущены системные тесты.
 +
|Тесты и отчет.
 +
|Tests
 +
 +
|-
 +
|}
 +
 +
 +
 +
== Черновой список задач ==
=== Выбор алгоритмов краткосрочного прогнозирования ===
=== Выбор алгоритмов краткосрочного прогнозирования ===
* '''Краткое описание.''' Создать алгоритм, осуществляющий выбор моделей прогнозирования на основе метаописания временных рядов.
* '''Краткое описание.''' Создать алгоритм, осуществляющий выбор моделей прогнозирования на основе метаописания временных рядов.

Версия 20:16, 10 сентября 2013

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


Задачи

Название задачи Автор Ссылка MAIPVTDCHSJ
Определение напечатанного изображения (пример) Пушняков Алексей (пример) [1] MAIPVTDCHSJ
Welcome!


Расписание

Расписание

Дата Что делаем Результат для обсуждения Код
Март 7 Выбрана задача, рецензент. Запись в ML.
Дата Что делаем Результат для обсуждения Код
Сентябрь 17 Выбрана задача, рецензент. Запись в ML. Problem
25 Собрана литература, написаны комментарии. Список литературы и мини-сообщение. Literatura
2 Октябрь Поставлена задача для синтетических данных. Написана математическая постановка в формате TeX. Не более страницы отдельного текста. Statement
9 Создан файл отчета. Сделано описание проекта. Создана архитектура и интерфейс ядра системы (синтетические данные). Описание, IDEF0. ideF
16 Детализирован интерфейс, написан код первого приближения. Код для синтетических данных. Code
23 Написаны юнит-тесты. По результатам доработки кода написана рецензия на работу. Тесты, рецензия Unit-test
30 Собраны реальные данные. Доработана схема IDEF0. Написаны модули подготовки данных. Данные, вторая схема IDEF0, модули. Data
6 Ноябрь Собраны реальные данные. Доработана схема IDEF0. Написаны модули подготовки данных. Данные, вторая схема IDEF0, модули. Data
13 Написаны и запущены системные тесты. Тесты и отчет. Tests
20 Код оптимизирован. Отчет профайлера до и после. Profiler
27 Написаны и запущены системные тесты. Тесты и отчет. Tests
4 Декабрь Написаны и запущены системные тесты. Тесты и отчет. Tests


Черновой список задач

Выбор алгоритмов краткосрочного прогнозирования

  • Краткое описание. Создать алгоритм, осуществляющий выбор моделей прогнозирования на основе метаописания временных рядов.
  • Базовый алгоритм. Базовые модели для выбора: проект TSForecasting. Простейший метод для выбора моделей — дерево поиска. Метаописание временных рядов: А. И. Кобзарь Прикладная математическая статистика.
  • Данные. Цены на электроэнергию, биржевые данные, цены на хлеб.
  • Аргументы.

Прогнозирование цен на электроэнергию

  • Краткое описание. Построить авторегрессионный алгоритм прогнозирования; осуществить выбор признаков методом наименьших углов.
  • Базовый алгоритм. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. LARS.
  • Данные. Цены на электроэнергию.
  • Аргументы.

Распознавание геометрических фигур на фото

Поиск мелодии в базе данных

  • Краткое описание. Задана библиотека мелодий. Для короткого музыкального фрагмента требуется определить, какой мелодии он принадлежит.
  • Базовый алгоритм. Локальное прогнозирование.
  • Данные. Библиотека мелодий в формате .midi. matlab .midi parser
  • Аргументы.

Краткосрочное прогнозирование музыкальных произведений

Проверка подлинности подписей

Поиск похожих тезисов конференций

Сегментация библиографических списков

Распознавание рукописных цифр

Ранжирование поисковой выдачи

Определение наличия и характеристик пульсовой волны

Построение рейтинга научных журналов

  • Краткое описание. Построение совместного рейтинга научных журналов и публикующихся в них авторов.
  • Базовый алгоритм. Co-clusterization
  • Данные. Данные журнал-автор.
  • Аргументы.

Визуализация подписей-выносок

Прогнозирование редких продаж по набору временных рядов

Определение финансовых пузырей в биржевых данных

  • Краткое описание. Разработать метод определения финансовых пузырей в биржевых данных по ценам на сырье.
  • Базовый алгоритм. статья Вилли.
  • Данные. Цены на сырье.
  • Аргументы.

Исследование изменения влияния макроэкономических показателей

  • Краткое описание. Требуется построить модель влияния экономических показателей на ВВП и оценить изменения влияния каждого показателя с течением времени.
  • Базовый алгоритм. Flexible least squares
  • Данные. Данные макроэкономических показателей
  • Аргументы.

Прогнозирование концентрации кислорода в выхлопных газах дизельного двигателя

Обнаружение причинно-следственных связей во временных рядах железнодорожных перевозок и биржевых данных

Распознавание лиц

Personalize Expedia Hotel Searches

Определение нежелательных SMS-сообщений

Кластеризация треков по типу активности

Определение типа активности человека по данным с акселерометра

Классификация сердцебиений

  • Краткое описание. Первичная сегментация кардиограммы. Классификация типов сердцебиений.
  • Базовый алгоритм.
  • Данные. http://www.peterjbentley.com/heartchallenge/#dates
  • Аргументы.

Фильтрация вредоносных URL, по названию ресурса

  • Краткое описание. Фильтрация вредоносных URL, по названию ресурса (например фишинговые ссылки)
  • Базовый алгоритм.
  • Данные. http://sysnet.ucsd.edu/projects/url/
  • Аргументы.

Задача навигации робота

  • Краткое описание. Робот вдоль стены, считывает показания с датчиков, и принимает решения о изменении траектории (поворот на 30, 60 и 90 градусов)
  • Базовый алгоритм.
  • Данные. http://archive.ics.uci.edu/ml/datasets/Wall-Following+Robot+Navigation+Data
  • Аргументы.

Распознавания текста на фотографиях

Прогноз лесных пожаров

  • Краткое описание. Прогнозирование распространения лесных пожаров по метеорологическим данным.
  • Базовый алгоритм.
  • Данные. http://archive.ics.uci.edu/ml/datasets/Forest+Fires
  • Аргументы.

Прогноз состояния продаваемой машины

  • Краткое описание. Оценка истинной стоимости продаваемого автомобиля
  • Базовый алгоритм.
  • Данные. http://www.kaggle.com/c/DontGetKicked
  • Аргументы.

Прогнозирование выплат по страховке

  • Краткое описание. Прогнозирование выплат по страховке в случае ДТП на основании данных об автомобиле.
  • Базовый алгоритм.
  • Данные. http://www.kaggle.com/c/ClaimPredictionChallenge
  • Аргументы.

Прогнозирование должностных зарплат

  • Краткое описание. Прогнозирование должностных зарплат по ключевым необходимым навыкам.
  • Базовый алгоритм.
  • Данные. http://www.kaggle.com/c/job-salary-prediction/data
  • Аргументы.

Локализация лиц на фотографии

Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%BF%D0%BE_%D0%BF%D1%80%D0%B5%D1%86%D0%B5%D0%B4%D0%B5%D0%BD%D1%82%D0%B0%D0%BC_%28%D0%BF%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D0%BA%D0%B0%2C_%D0%92.%D0%92._%D0%A1%D1%82%D1%80%D0%B8%D0%B6%D0%BE%D0%B2%29/%D0%93%D1%80%D1%83%D0%BF%D0%BF%D0%B0_074%2C_%D0%BE%D1%81%D0%B5%D0%BD%D1%8C_2013»
Личные инструменты