Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 174, осень 2016
Материал из MachineLearning.
(Различия между версиями)
(→Лекции) |
|||
Строка 6: | Строка 6: | ||
== Лекции == | == Лекции == | ||
+ | Источник: научные статьи последних лет, желательно 2015-2016. | ||
+ | Продолжительность: 45 минут. | ||
+ | Число слайдов: 20-30. | ||
+ | Цели: | ||
+ | # Раскрыть проблему постановки и рещения задачи машинного обучения и анализа данных в данной теме. | ||
+ | # 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 | ||
{|class="wikitable" | {|class="wikitable" | ||
Строка 80: | Строка 114: | ||
|- | |- | ||
|} | |} | ||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
== Практикум == | == Практикум == | ||
* 19 октября - 2 ноября | * 19 октября - 2 ноября |
Версия 19:31, 28 сентября 2016
Лекции на актуальные темы машинного обучения
Лекции
Источник: научные статьи последних лет, желательно 2015-2016. Продолжительность: 45 минут. Число слайдов: 20-30. Цели:
- Раскрыть проблему постановки и рещения задачи машинного обучения и анализа данных в данной теме.
- 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
Автор | Дата | Тема | Ссылка | Результат | Сумма |
---|---|---|---|---|---|
Сологуб (пример) | 4 сентября | Алгоритмы индуктивного порождения и трансформации моделей | Диссертация, pdf, Презентация, pdf | 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 |
Практикум
- 19 октября - 2 ноября