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

Материал из MachineLearning.

Версия от 16:55, 27 августа 2012; Strijov (Обсуждение | вклад)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)

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	21.09 - 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