Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 374, осень 2016

Материал из MachineLearning.

Перейти к: навигация, поиск
Основная статья: Численные методы обучения по прецедентам (практика, В.В. Стрижов)


Внимание! Страница в процессе наполнения. Пожалуйста, запишите свою фамилию.



Содержание

Курс

(раздел будет изменен)

Построение эксплуатируемых моделей машинного обучения

Результаты

Автор Тема научной работы Ссылка Консультант Рецензент Доклады Буквы Сумма Оценка
Бочкарев Артем Анализ данных для выявления скрытых закономерностей в петрофизической информации, полученной лабораторными исследованиями керна folder, sysdoc,

problem, slides

Софронов И. Л. Жариков GM L--AICUT-DP-R-V-W
Баяндина Анастасия Построение дерева сценариев дистанционных консультаций с помощью тематической модели коллекции диалогов folder, sysdoc В.Сафронов L
Белозерова Анастасия
Владимирова Мария Предсказание временных рядов с помощью многозадачного обучения folder, sysdoc Стрижов В. В. L
Володин Сергей Проблема feasibility для квадратичных отображений folder, sysdoc Ю.Максимов L
Городницкий Олег
Иванычев Сергей
Ковалева Валерия
Малыгин Виталий
Молибог Игорь
Погодин Роман
Рязанов Андрей
Сафин Камиль Детектирование парафраз folder, sysdoc Кузнецова М.В. L
Федоряка Дмитрий Визуализация иерархических тематических моделей folder, sysdoc Воронцов К.В. L
Цветкова Ольга
Чигринский Виктор

Работа и консультации

  1. Работы сдаются в течение недели.
  2. Желательна итеративная сдача работ, начинать показ лучше в выходные.
  3. Дедлайн последней версии работы: среда 6:00am (проверка занимает всю среду).
  4. В отчет будет добавлен пункт об учете времени, затраченном на выполнение проекта по неделям.
  5. Каждый этап работ + 1 балл по системе (А--, А-, А, А+, А++). Несделанная работа — A0. Мотивированный перенос работы — знак «A>».
  6. Доклады обозначаются буквами B,M,F.

Расписание

Дата Что сделано Результат для обсуждения Буква
Сентябрь 7 Первая лекция. Представление нового курса, мотивация, организация работ.
14 Выбрана задача, рецензент. Заплнены разделы "Аннотация" и "Описание проекта" в Systemdocs. Доклад на 45 секунд о своем проекте. Запись в ML. Доклад B Go
21 Поставлена задача. Написаны математическая постановка в формате TeX и описание базового алгоритма. Постановка задачи и алгоритм. Algorithm
28 Собрана литература. Собрана и описана выборка, сделано описание данных. Описание данных. Список литературы. Literature
Октябрь 5 Разработана архитектура и интерфейс ядра системы. Архитектура описана в формате IDEF0. Описание архитектуры, интерфейсов в IDEF0. Idef
19 Детализирован интерфейс, написан код. Код для реальных данных. Code
26 Написаны юнит-тесты и модуль, их запускающий. Подготовлен доклад с обоснованием интерфейсов и IDEF-описания. Юнит-тесты, доклад M. Unit
Ноябрь 2 Собраны и подготовлены данные, необходимые для тестирования. Написаны и запущены системные тесты. Тесты, данные, доработанная схема IDEF0. Tests, Data
9 Код оптимизирован. Отчет профайлера до и после. Profiler
16 Сделан визуальный отчет. Завершенный тех.отчет с экспериментом, код на сайте, рецензия. Web, Report.
23 Сделан пользовательский интерфейс и неcколько примеров использования системы. Написана рецензия на работу. Доклад F первой группы. Slides, reView
30 Подготовлен доклад, приведены в порядок документация и код. Обсуждение результатов, доклад F второй группы. Slides

Доклады обозначаются буквами B, M, F.

Домашние задания

Подготовительное задание

  1. Получить доступ к проекту MLalgorithms на SourceForge через старосту группы, прочитать статью, загрузить MLalgorithms.
  2. Зарегистрироваться на сайте machinelearning.ru, послать логин старосте.
  3. В папке Group374 создать папку Surname2016PrijectName (См. Численные методы обучения по прецедентам (практика, В.В. Стрижов), раздел "Работа с репозиторием".)
  4. Подготовка инструментов: выполнить Домашее задание-1, часть 1 и 2 (часть 3 по желанию).


14 сентября

  • Выбрать задачу и подготовить доклад о выбранной задаче на 45 секунд (первая часть группы). Содержание доклада включает:
  1. Существо и цели проекта.
  2. Важность и применимость задачи.
  3. Описание предполагаемых методов решения.
  • Создать описание проекта, заполнить разделы «Мотивация» (1.1.2) и «Литература» (1.1.3) в SystemDocs


21 сентября

Создать отдельный файл LaTeX c постановкой задачи и базовым описанием алгоритма, включающими

  1. описание выборки,
  2. предположения и ограничения по составу выборки,
  3. статистические предположения о природе выборки (гипотезу порождения данных),
  4. определения (что такое модель, алгоритм),
  5. ограничения на множество допустимых моделей,
  6. функцию ошибки, критерий качества,
  7. оптимизационную постановку задачи,
  8. вид эксплуатационный модели.
  • Пример постановки задачи: [2].


28 сентября

  • Зафиксировать базовый алгоритм. При необходимости, расширить список литературы.
  • Собрать выборку и описать форматы и структуры данных в разделе 1.4 SystemDocs: состав выборки, основные статистики. Создать описание процедуры порождения выборки в формате IDEF0.
    • Скачать и установить Ramus, разобраться с нотацией IDEF0
  • Заполнить раздел Выполнимость задачи/Feasibility. Уточнить границы применимости предлагаемых методов, прописать условия отказа от классификации.
  • Подготовить доклад о выбранной задаче на 45 секунд (вторая часть группы).
Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%BF%D0%BE_%D0%BF%D1%80%D0%B5%D1%86%D0%B5%D0%B4%D0%B5%D0%BD%D1%82%D0%B0%D0%BC_%28%D0%BF%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D0%BA%D0%B0%2C_%D0%92.%D0%92._%D0%A1%D1%82%D1%80%D0%B8%D0%B6%D0%BE%D0%B2%29/%D0%93%D1%80%D1%83%D0%BF%D0%BF%D0%B0_374%2C_%D0%BE%D1%81%D0%B5%D0%BD%D1%8C_2016»
Личные инструменты