Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 874, осень 2013

Материал из MachineLearning.

Версия 09:44, 22 октября 2013 (править) Strijov (Обсуждение | вклад) (→Эссе) ← К предыдущему изменению		Версия 14:00, 25 октября 2013 (править) (отменить) Aleksandra.Tokmakova (Обсуждение | вклад) (→Эссе) К следующему изменению →
Строка 12:		Строка 12:
	! 3		! 3
	! 4		! 4
-	! 5
	! 5		! 5
	! 6		! 6
		+	! 7
	! 8		! 8
	! 9		! 9

---

Версия 14:00, 25 октября 2013

Основная статья: Численные методы обучения по прецедентам (практика, В.В. Стрижов)

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

Эссе

Автор	1	2	3	4	5	6	7	8	9	0
Рудой	1	2	3	4	5	6
Кокшаров	1	1	2	2	3	4
Романенко	1	2	3	4	5	6
Мотренко	1	2	3	4	5	6
Будников	1	2	3	4	5	6
Сандуляну	1	2	3	4	5	6
Бурмистров	1	2	3	4	5	6
Токмакова	1	2	3	4	5	6
Ямщиков	1	1	2	2	3	4

Список тем

1. Аппроксимация множества точек замкнутыми кривыми
2. Метод группового учета аргументов в новой нотации
3. Заполнение пропусков в порядковых шкалах и в шкалах без отношения полного порядка
4. Роль Матрицы Ганкеля в прогнозировании временных рядов
5. Интегральные индикаторы в ранговых шкалах
6. Порождение признаков в прикладных задачах анализа данных
7. Смеси моделей, многоуровневые модели, смеси экспертов

Лекции

Тема	Автор	Ссылка	Дата	Результат
Data Analysis Problem Statements in the Category Theory Language	Рудой	?	24 сентября	OK(5)+1/4 * [(0/GR)+(8/10)+(8/10AM)+(8/10AR)+(9/10)+(4.5/5)+(10/10)+(4.5/5)+(?/IY)]
Machine Learning Problem Statements in Plate Notations	Кокшаров	[1]	24 сентября	OK(5)+1/4 * [(8/GR)+(0/MK)+(0/AM)+(0/AR)+(8/10)+(4.5/5)+(9/10)+(4/5)+(?/IY)]
Deep Learning / Methods for Big Data	Романенко	[2]	1 октября	OK(5)+1/4 * [(9/10GR)+(9/10)+(7/10)+(0/AR)+(9/10)+(4/5)+(10/10)+(4.5/5)+(?/IY)]
Usage of Copulas	Мотренко	[3]	1 октября	OK(5)+1/4 * [(10/10GR)+(9/10)+(0/AM)+(8/10)+(6/10)+(5/5)+(9/10)+(4.5/5)+(?/IY)]
Problems of Voting, Expert Systems and Preference Learning	Будников	[4]	8 октября	OK(5)+1/4 * [(8/10)+(7/10)+(8/10)+(7/10)+(8/10)+(0/YB)+(10/10)+(4.5/5)+(?/IY)]
Topic Modeling: PLSA, LDA et al.	Сандуляну	[5]	8 октября	OK(5)+1/4 * [(7/10)+(6/10)+(7/10)+(8/10)+(0/LS)+(3.5/5)+(9/10)+(4.5/5)+(?/IY)]
MDL Principle	Бурмистров	[6]	15 октября	OK(5)+1/4 * [(0/10)+(0/10)+(8/10)+(7/10)+(10/10)+(4/5)+(0/MB)+(4/5)+(?/IY)]
Data and Parameter Sampling and Applications	Токмакова	[7]	15 октября	OK(5)+1/4 * [(9/10)+(6/10)+(8/10)+(6/10)+(9/10)+(5/5)+(10/10)+(0/AT)+(?/IY)]
Learning of games / Многорукие бандиты	Ямщиков	[8]	22 октября	OK(5) +1/4 * [(8/10)+(10/10)+(0/AM)+(0/AR)+(9/10)+(5/5)+(10/10)+(5/5)+(0/IY)]
Mixture of Experts (and Models)	Адуенко		29 октября
Preference Learning and Ranking Alternatives			5 ноября
Feature Generation in Image Processing			2 ноября

Дополнительно

• Метрические вложения
• Теория статистического обучения

Требования: Продолжительность: 1 академический час, 45 минут. Число слайдов: 20-30 (по вкусу).

1. Раскрыть проблему постановки задачи Машинного обучения и анализа данных в данной теме
2. Подобрать примеры постановки (и решения) известных (а может и узкоспециальных) задач

Рекомендации к стилю изложения:

1. дать основные определения этой области
2. привести теоретические примеры и основные свойства
3. представить математические методы,
4. дать теоретические постановки задач,
5. привести приметы прикладных задач.

Оценки: макс. 7 баллов из 10 (5 за лекцию + 2 за тесты). Тест: готовит лектор, 5 вопросов со свободным ответом и вопрос «Основное сообщение лекции (2-3 предложения)». Результат теста: N из 5 (отображается в 1/4). 17 декабря – отчеты о научной работе.

Практика

1. А.А. Ивахненко: тест/экзамен.
2. В.В. Стрижов: практика.