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

Материал из MachineLearning.

Версия 19:40, 28 сентября 2016

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

Лекции на актуальные темы машинного обучения

Лекции

Источник: научные статьи последних лет, желательно 2015-2016. Продолжительность: 45 минут. Число слайдов: 20-30. Цели:

1. Раскрыть проблему постановки и рещения 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:

• дать основные определения этой области,
• вводимые обозначения должны быть удобны и непротиворечивы,
• используемые термины должны быть точны,
• дать теоретические постановки задач,
• желательно привести теоретические примеры решения и его основные свойства,
• представить математические методы,
• 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.

Темы на выбор

Указать в таблице:

• Тема вашей дипломной работы
• Reinforcement learning
• Active learning
• Bayesian programming
• 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

Расписание

Практикум

• 19 октября - 2 ноября