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, Дополнительные главы машинного обучения)
(В.В. Стрижов, Дополнительные главы машинного обучения)
Строка 117: Строка 117:
'''Список тем'''
'''Список тем'''
# Роль функции ошибки в задачах выбора признаков
# Роль функции ошибки в задачах выбора признаков
-
:Ключевые слова:
+
#:Ключевые слова:
-
::принцип belsley, неустойчивость ROC-кривой, монотонность поведения классификатора по двум функциям ошибки
+
#:принцип belsley, неустойчивость ROC-кривой, монотонность поведения классификатора по двум функциям ошибки
# Построение интегральных индикаторов для описанных в ранговых шкалах
# Построение интегральных индикаторов для описанных в ранговых шкалах
-
:На выбор:
+
#:На выбор:
-
::1.Привести пример задачи с данным в разнородных шкалах, а также метод ее решения.
+
##Привести пример задачи с данным в разнородных шкалах, а также метод ее решения.
-
::2.Привести пример задачи с использованием матрицы расстояний объектов в разнородных шкалах, а также метод ее решения.
+
##Привести пример задачи с использованием матрицы расстояний объектов в разнородных шкалах, а также метод ее решения.
'''Список тем прошлого года'''
'''Список тем прошлого года'''
# Аппроксимация множества точек замкнутыми кривыми
# Аппроксимация множества точек замкнутыми кривыми

Версия 19:26, 21 сентября 2015


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 1[2]
Вдовина Евгения
Старожилец Всеволод
Трофимов Михаил
Хайруллин Ренат
Сухарева Анжелика
  • Эссе помещаются в папку /Group074/Surname2015Essay/; каждый документ называется Surname2015EssayN, N = 1,…,10.

Список тем

  1. Роль функции ошибки в задачах выбора признаков
    Ключевые слова:
    принцип belsley, неустойчивость ROC-кривой, монотонность поведения классификатора по двум функциям ошибки
  2. Построение интегральных индикаторов для описанных в ранговых шкалах
    На выбор:
    1. Привести пример задачи с данным в разнородных шкалах, а также метод ее решения.
    2. Привести пример задачи с использованием матрицы расстояний объектов в разнородных шкалах, а также метод ее решения.

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 22 октября
Методы построения мультимоделей в задачах регрессии Александр Адуенко 19 ноября
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 Всеволод Старожилец 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