Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 774, осень 2012

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(→Оформление)
(→Расписание)
Строка 97: Строка 97:
|Выбрана задача, рецензент
|Выбрана задача, рецензент
|Запись в ML
|Запись в ML
 +
|
 +
|-
|
|
|12
|12
|Выбрана задача, найдены базовые публикации.
|Выбрана задача, найдены базовые публикации.
|Аннотация, 600 знаков.
|Аннотация, 600 знаков.
-
|annotation
+
|'''A'''nnotation
|-
|-
|
|
Строка 107: Строка 109:
|Собрана литература, она в bib; найдены данные.
|Собрана литература, она в bib; найдены данные.
|Введение, примерно одна страница.
|Введение, примерно одна страница.
-
|itroduction
+
|'''I'''ntroduction
|-
|-
|
|
Строка 113: Строка 115:
|Поставлена задача, собраны все материалы по работе. Найдены публикации.
|Поставлена задача, собраны все материалы по работе. Найдены публикации.
|Постановка задачи, полстраницы.
|Постановка задачи, полстраницы.
-
|problem
+
|'''P'''roblem
|-
|-
|Октябрь
|Октябрь
|3
|3
-
|Поставлен вычислительный эксперимент, получены первые результаты. |Визуализация данных.
+
|Поставлен вычислительный эксперимент, получены первые результаты.
-
|visualizing
+
|Визуализация данных.
 +
|'''V'''isualizing
|-
|-
|
|
Строка 124: Строка 127:
|Описание алгоритма.
|Описание алгоритма.
|Алгоритмическая часть (третий раздел).
|Алгоритмическая часть (третий раздел).
-
|document
+
|'''D'''ocument
|-
|-
|
|
Строка 130: Строка 133:
|Теоретическая часть.
|Теоретическая часть.
|Второй раздел.
|Второй раздел.
-
|theory
+
|'''T'''heory
|-
|-
|
|
Строка 136: Строка 139:
|Завершение вычислительного эксперимента.
|Завершение вычислительного эксперимента.
|Описание эксперимента и анализ ошибок.
|Описание эксперимента и анализ ошибок.
-
|end
+
|'''C'''omp
|-
|-
|
|
Строка 142: Строка 145:
|Контрольная точка - показ статьи в целом.
|Контрольная точка - показ статьи в целом.
|Статья.
|Статья.
-
|point
+
|c'''H'''eck
|-
|-
|Ноябрь
|Ноябрь
Строка 148: Строка 151:
|Доработка статьи; доклад, первая группа.
|Доработка статьи; доклад, первая группа.
|Доклад.
|Доклад.
-
|talk
+
|'''S'''lides
|-
|-
|
|
Строка 154: Строка 157:
|Доклад, вторая группа.
|Доклад, вторая группа.
|Подача статьи в журнал.
|Подача статьи в журнал.
-
|journal
+
|'''J'''ournal
|-
|-
|
|
Строка 160: Строка 163:
|Доклад, третья группа.
|Доклад, третья группа.
|Рецензия написана, [r]-рецензенту
|Рецензия написана, [r]-рецензенту
-
|review, [r]
+
|'''R'''eview, [r]
|-
|-
|
|
Строка 169: Строка 172:
|-
|-
|}
|}
-
 
== Оформление ==
== Оформление ==

Версия 17:38, 27 августа 2012

Основная статья: Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)


Новое название "Регрессионный анализ" Придумать еще более новое название.


\text{Not ready yet; mind the gap until the Sept. } 1^{\text{st}},\text{ the }245^{\text{th}}\text{ day in the leap year of 2012.}


Основная задача этой работы — предложить алгоритм выбора моделей, исследовать и проиллюстрировать его свойства, проанализировать его преимущества недостатки и особенности в сравнении с известными алгоритмами машинного обучения. Практика состоит из задачи, разбитой на три подзадачи-эссе с отчетом и включает постановку задачи, описание алгоритма и вычислительный эксперимент-иллюстрацию. Перед выполнением заданий рекомендуются прочитать статью «Численные методы обучения по прецедентам», а также все, что там по ссылкам, включая статью «Автоматизация научных исследований».

Результат практики: научная статья по выбранной теме, поданная для публикации

  • в JMLDA или
  • в английский журнал из списка Web Of Knowledge.

Идея практики: любой проект (вычислительный эксперимент) может быть разбит на части, каждая из которых занимает ровно один день и может быть сделана при этом от начала и до конца.

Задачи

Название задачи Работу выполняет Рецензент Ссылка SF Дата доклада Комментарии
Шаблон отчета о вычислительном эксперименте Welcome! Welcome! Surname2011Title ~5.9 - обсуждаем расписание докладов
Оценка параметров совместных распределений и использование копул при построении интегральных индикаторов
Оценка ковариационных матриц параметров и зависимых переменных путем максимизации правдоподобия модели
Оценка максимума правдоподобия модели и его математического ожидания методом сэмплирования
Выбор оптимальных инвариантных преобразований в задачах тематического моделирования
Совместный выбор объектов и признаков в задачах прогнозирования временных рядов
Кластеризация смесей распределений в задачах тематического моделирования
Title7рас Author Reviewer SF Date Progress

Расписание

Дата Что делаем Результат для обсуждения Код
Сентябрь 5 Выбрана задача, рецензент Запись в ML
12 Выбрана задача, найдены базовые публикации. Аннотация, 600 знаков. Annotation
19 Собрана литература, она в bib; найдены данные. Введение, примерно одна страница. Introduction
26 Поставлена задача, собраны все материалы по работе. Найдены публикации. Постановка задачи, полстраницы. Problem
Октябрь 3 Поставлен вычислительный эксперимент, получены первые результаты. Визуализация данных. Visualizing
10 Описание алгоритма. Алгоритмическая часть (третий раздел). Document
17 Теоретическая часть. Второй раздел. Theory
24 Завершение вычислительного эксперимента. Описание эксперимента и анализ ошибок. Comp
31 Контрольная точка - показ статьи в целом. Статья. cHeck
Ноябрь 7 Доработка статьи; доклад, первая группа. Доклад. Slides
14 Доклад, вторая группа. Подача статьи в журнал. Journal
21 Доклад, третья группа. Рецензия написана, [r]-рецензенту Review, [r]
28 Последний день для претендентов на оценки 10,9,8. Экзамен (score)

Оформление

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_774%2C_%D0%BE%D1%81%D0%B5%D0%BD%D1%8C_2012»
Личные инструменты