Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 974, осень 2014
Материал из MachineLearning.
(Различия между версиями)
(Новая: {{Main|Численные методы обучения по прецедентам (практика, В.В. Стрижов)}} {{Main|Прикладной регрессионный а...) |
(→К.В. Рудаков, Интеллектуальные системы) |
||
| Строка 177: | Строка 177: | ||
|} | |} | ||
'''Список тем''' | '''Список тем''' | ||
| + | # Multivariate Density Estimation | ||
# Data Analysis Problem Statements in the Category Theory Language | # Data Analysis Problem Statements in the Category Theory Language | ||
# Machine Learning Problem Statements in Plate Notations | # Machine Learning Problem Statements in Plate Notations | ||
| Строка 203: | Строка 204: | ||
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). | 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. | 17 декабря – отчеты о научной работе. | ||
| + | |||
== А.А. Ивахненко, Практика и методология промышленного анализа данных == | == А.А. Ивахненко, Практика и методология промышленного анализа данных == | ||
Версия 11:59, 3 сентября 2014
В.В. Стрижов, Регрессионный анализ
| Автор | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10, результат |
|---|---|---|---|---|---|---|---|---|---|---|
| Рудой(пример) | 1[1] | 2[2] | 3[3] | 4[4] | 5[5] | 6[6] | 7[7] | 8[8] | 8 | 8 |
| Бунаков | ||||||||||
| Кузьмин | ||||||||||
| Кузнецова | ||||||||||
| Стенин | ||||||||||
| Стенина | ||||||||||
| Целых |
Список тем
- Аппроксимация множества точек замкнутыми кривыми
- Метод группового учета аргументов в краткой нотации
- Заполнение пропусков в порядковых шкалах (и в шкалах без отношения полного порядка)
- Роль Матрицы Ганкеля в прогнозировании временных рядов
- Интегральные индикаторы в ранговых шкалах
- Порождение признаков в прикладных задачах анализа данных
- Смеси моделей, многоуровневые модели, смеси экспертов
- Отыскание общих узлов в последовательности наборов метрических конфигураций
- Регрессионный анализ задачах математического моделирования. Найти пример использования регрессионного анализа в тех задачах математического моделирования в физике, химии, биологии, и т.д., где требуется получить модель, интерпретируемую в терминах предметной области
- Машинное обучение через 20 лет: какими методами АД (МО, ИИ, ЭС, АЗ,...) мы будем пользоваться? Какие задачи мы будет решать? Что я буду делать в своей профессиональной области?
К.В. Рудаков, Интеллектуальные системы
| Тема | Автор | Ссылка | Дата | Результат | Сумма |
|---|---|---|---|---|---|
| Data Analysis Problem Statements in the Category Theory Language | Рудой (пример) | [9] | 24 сентября | NIR(3)+OK(5)+1/4 * [(0/GR)+(8/10)+(8/10AM)+(8/10AR)+(9/10)+(4.5/5)+(10/10)+(4.5/5)+(9/10)] | 9.75 |
| Бунаков | |||||
| Кузьмин | |||||
| Кузнецова | |||||
| Стенин | |||||
| Стенина | |||||
| Целых |
Список тем
- Multivariate Density Estimation
- Data Analysis Problem Statements in the Category Theory Language
- Machine Learning Problem Statements in Plate Notations
- Deep Learning / Methods for Big Data
- Usage of Copulas
- Problems of Voting, Expert Systems and Preference Learning
- Topic Modeling: PLSA, LDA et al.
- MDL Principle
- Data and Parameter Sampling and Applications
- Learning of games
Дополнительно
- Метрические вложения
- Теория статистического обучения
Требования: Продолжительность: 1 академический час, 45 минут. Число слайдов: 20-30 (по вкусу).
- Раскрыть проблему постановки задачи Машинного обучения и анализа данных в данной теме
- Подобрать примеры постановки (и решения) известных (а может и узкоспециальных) задач
Рекомендации к стилю изложения:
- дать основные определения этой области
- привести теоретические примеры и основные свойства
- представить математические методы,
- дать теоретические постановки задач,
- 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.
