Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 074, осень 2015

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(В.В. Стрижов, Регрессионный анализ (Название будет изменено))
(А.А. Ивахненко, Практика и методология промышленного анализа данных)
Строка 259: Строка 259:
== А.А. Ивахненко, Практика и методология промышленного анализа данных ==
== А.А. Ивахненко, Практика и методология промышленного анализа данных ==
-
{|class="wikitable"
+
'''Групповой проект:''' [https://docs.google.com/spreadsheets/d/1QabUaHzPAIfFTmDtJyaZCoZzHNFpGOviM-M_N7u5WV8/edit?usp=sharing Сети глубокого обучения для задачи классификации временных рядов]
-
|-
+
-
! Автор
+
-
! 1
+
-
! 2
+
-
! 3
+
-
! 4
+
-
! 5
+
-
! 6
+
-
! 7
+
-
! 8
+
-
! 9
+
-
! 10
+
-
! <tex>{\Sigma}</tex>
+
-
|-
+
-
|Бунаков
+
-
|[http://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group974/Bunakov2014Essay/Bunakov2014Nb1.nb?format=raw], [https://www.wolframcloud.com/objects/e96e7a69-d9cc-4445-a562-6b685d714c6c Демо]
+
-
|
+
-
|
+
-
|
+
-
|
+
-
|
+
-
|
+
-
|
+
-
|
+
-
|
+
-
|
+
-
|-
+
-
|}
+
-
 
+
-
* Файлы помещаются в папку Surname2014Essay; каждый файл называется Surname2014NbN, N = 1,…,10. Опубликовать ссылки на web-интерфейсы.
+
-
 
+
-
(Задания будут изменены)
+
-
 
+
-
'''Задание 1.'''
+
-
 
+
-
Завести учетную запись на сайте [https://programming.wolframcloud.com/app/]. Создать учебный пример для легкого изучения языка Mathematica по образу примера [[Matlab]].
+
-
 
+
-
'''Задание 2.'''
+
-
 
+
-
Создать графический пользовательский интерфейс для решения классических задач распознавания, классификации и кластеризации. Ссылку на веб-интерфейс посатвить рядом со ссылкой на файл Nb. См. пример.
+

Версия 16:34, 20 сентября 2015

(Название будет изменено)


В.В. Стрижов, Дополнительные главы машинного обучения

Автор 1 2 3 4 5 6 7 8 9 10 {\Sigma}
Рудой (пример) 1[1] 2 3 4 5 6 7 8 9 10 {\Sigma}
Бахтеев Олег
Вдовина Евгения
Старожилец Всеволод
Трофимов Михаил
Хайруллин Ренат
Сухарева Анжелика
  • Эссе помещаются в папку /Group074/Surname2014Essay/; каждый документ называется Surname2014EssayN, N = 1,…,10.

Список тем

  1. Роль функции ошибки в задачах выбора признаков
  2. Построение интегральных индикаторов для описаный в ранговых шкалах

Список тем прошлого года

  1. Аппроксимация множества точек замкнутыми кривыми
  2. Метод группового учета аргументов в краткой нотации
  3. Заполнение пропусков в порядковых шкалах (и в шкалах без отношения полного порядка)
  4. Роль Матрицы Ганкеля в прогнозировании временных рядов
  5. Интегральные индикаторы в ранговых шкалах
  6. Порождение признаков в прикладных задачах анализа данных
  7. Смеси моделей, многоуровневые модели, смеси экспертов
  8. Отыскание общих узлов в последовательности наборов метрических конфигураций
  9. Регрессионный анализ задачах математического моделирования. Найти пример использования регрессионного анализа в тех задачах математического моделирования в физике, химии, биологии, и т.д., где требуется получить модель, интерпретируемую в терминах предметной области
  10. Машинное обучение через 20 лет: какими методами АД (МО, ИИ, ЭС, АЗ,...) мы будем пользоваться? Какие задачи мы будет решать? Что я буду делать в своей профессиональной области?

К.В. Рудаков, Интеллектуальные системы

Список тем

  • Алгоритмы машинного обучения на квантовых компьютерах
  • Задачи ИЧК (BCI) и обработка сигналов МЭГ
  • Частичное обучение (Semi-supervised learning, Transductive learning)
  • "Косвенное обучение" (Transfer learning)
  • Обучение словарей (Dictionary learning) (+)
  • Задачи многоклассовой классификации с классами различной мощности
  • Функция ошибки в моделях глубокого обучения (и задача выбора моделей)
  • Инварианты в задачах глубокого обучения (+)
  • Оценка объема выборки в глубоком обучении
  • Generative vs Discriminative (+)
  • Выбор признаков в задачах квадратичной оптимизации (+)
  • Онлайновое обучение, обучение с подкреплением (+)


Тема Автор Ссылка Дата Результат Сумма
Алгоритмы индуктивного порождения и трансформации моделей Сологуб Диссертация, pdf, Презентация, pdf 4 сентября NIR(3) + OK(5)+1/4 * [(0/GR)+(8/10)+(8/10AM)+(8/10AR)+(9/10)+(4.5/5)+(10/10)+(4.5/5)+(9/10)] 9.75
Методы оценки ковариационных матриц в задачах регрессии и классификации Александр Адуенко ? октября
Методы построения мультикоделей в задачах регрессии Александр Адуенко ? октября
Выпуклые релаксации в задаче квадратичного программирования Александр Катруца Презентация, pdf 17 сентября 5(TLK)+
Задачи ИЧК (BCI) и обработка сигналов МЭГ Вдовина Евгения 0(TLK)+3.5/5(AK)+
Порождающий и разделяющий подходы в задаче определения объема выборки Анастасия Мотренко октября
Инварианты в задачах глубокого обучения Бахтеев Олег 1 октября 0(TLK)+2.5/5(AK)
Автокодировщики в сетях глубокого обучения Кузнецова Рита 1 октября
Иерархическое согласование прогнозов временных рядов 8 октября 9.675
Обучение словарей Сухарева Анжелика 15 октября 0(TLK)+1/5(AK)+
Онлайновое обучение, обучение с подкреплением Михаил Трофимов 22 октября 0(TLK)+3/5(AK)+
Тема Фамилия Дата

Требования: Продолжительность: 1 академический час, 45 минут. Число слайдов: 20-30 (по вкусу).

  1. Раскрыть проблему постановки задачи машинного обучения и анализа данных в данной теме.
  2. Подобрать примеры постановки и решения известных (а может и узкоспециальных) задач.

Рекомендации к стилю изложения:

  1. дать основные определения этой области,
  2. вводимые обозначения должны быть удобны и непротиворечивы,
  3. используемые термины должны быть точны,
  4. дать теоретические постановки задач,
  5. желательно привести теоретические примеры решения и его основные свойства,
  6. представить математические методы,
  7. привести приметы прикладных задач.

Оценки: максимум 7 баллов из 10 (5 за лекцию + 2 за тесты). Тест: готовит лектор, 5 вопросов со ответом. Результат теста: N из 5 (отображается в 1/4). 17 декабря – отчеты о научной работе.

А.А. Ивахненко, Практика и методология промышленного анализа данных

Групповой проект: Сети глубокого обучения для задачи классификации временных рядов

Личные инструменты