Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 174, осень 2016

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 22: Строка 22:
|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)]
|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
|9.75
-
|-
 
-
|Методы оценки ковариационных матриц в задачах регрессии и классификации
 
-
|Александр Адуенко
 
-
|[[Media:Aduenko_presentation_russian.pdf|Презентация, pdf]]
 
-
|22 октября
 
-
|
 
-
|
 
|-
|-
|Гринчук Алексей
|Гринчук Алексей

Версия 19:09, 21 сентября 2016


Лекции на актуальные темы машинного обучения



Автор Тема Ссылка Дата Результат Сумма
Алгоритмы индуктивного порождения и трансформации моделей Сологуб (пример) 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
Гринчук Алексей 5 октября
Ефимова Ирина 5 октября
Карасиков Михаил 19 октября
Кулунчаков Андрей 19 октября
Матлин Даниил 26 октября
Попова Мария 26 октября
Хайруллин Ринат 2 ноября
Швец Михаил 2 ноября

Требования: Продолжительность: 45 минут. Число слайдов: 20-30.

  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: max 7 за лекцию + max 3 за тесты. Тест: готовит лектор, 5 вопросов со ответом. Результат теста: N из 5 отображается в 3/6.

Личные инструменты