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

Материал из MachineLearning.

Перейти к: навигация, поиск
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. itroduction
26 Поставлена задача, собраны все материалы по работе. Найдены публикации. Постановка задачи, полстраницы. problem
Октябрь 3 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. end
31 Контрольная точка - показ статьи в целом. Статья. point
Ноябрь 7 Доработка статьи; доклад, первая группа. Доклад. talk
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