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

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 44: Строка 44:
|-
|-
| Оценка максимума правдоподобия модели и его математического ожидания методом сэмплирования
| Оценка максимума правдоподобия модели и его математического ожидания методом сэмплирования
-
|
+
| Джамтырова
|
|
| 2012MaxEvidence
| 2012MaxEvidence

Версия 18:11, 18 сентября 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 AIPVDTCHSJR[R]
Оценка параметров совместных распределений и использование копул при построении интегральных индикаторов Кузнецов Kuznetsov2012Copula
Оценка ковариационных матриц параметров и зависимых переменных путем максимизации правдоподобия модели 2012Covariance
Оценка максимума правдоподобия модели и его математического ожидания методом сэмплирования Джамтырова 2012MaxEvidence
Выбор оптимальных инвариантных преобразований в задачах тематического моделирования Кононенко Животовский Kononenko2012Invariants
Совместный выбор объектов и признаков в задачах прогнозирования временных рядов 2012OJointSelection
Кластеризация смесей распределений в задачах тематического моделирования Сунгуров Дмитрий? 2012Clustering
Порождающий и разделяющий подходы в задачах классификации с малыми выборками Животовский Кононенко 2012GenVsDisc

Темы для 35-минутных докладов (~20 слайдов)

  1. Оценка параметров гетерогенных совместных распределений
  2. Копулы и их полезные свойства, вероятностные методы построения интегральных индикаторов
  3. Методы сэмплирования и вычисление интегралов функций распределения
  4. Методы оценки сложности моделей регрессии и классификации
  5. Порождающий и разделяющий подходы с примерами применения и вероятностными предположениями, и c методами оценки параметров распределений
  6. Гауссовские процессы в задачах регрессии и классификации, методы оценки параметров ковариационной функции
  7. Иерархические модели, оценка из параметров и примеры их использования
  8. Новинки в машинном обучении: structure learning, deep learning и другие

Расписание

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

Оформление

Личные инструменты