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

Материал из MachineLearning.

Перейти к: навигация, поиск


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 решения 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 примеры 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 одну из тем:

  • 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

Автор Дата Тема
Гринчук Алексей 19 октября Reinforecement LearningLinear value function approximation, pdf
Ефимова Ирина 19 октября Иерархические тематические модели, pdf
Карасиков Михаил 26 октября Protein Scoring, pdf
Попова Мария 2 ноября Generative Adversarial Networks, pdf
Хайруллин Ринат 9 ноября Semi-supervised learning in deep generative models, pdf
Швец Михаил 9 ноября Dense correspondence prediction in computer vision, pdf

Практикум

  • 19 октября - 2 ноября
Личные инструменты