MachineLearning:Концепция ресурса

Материал из MachineLearning.

Текущая версия

MachineLearning.Ru — профессиональный русскоязычный информационно-аналитический ресурс по машинному обучению, распознаванию образов и интеллектуальному анализу данных.

Цели создания Ресурса MachineLearning.Ru

• Сконцентрировать информацию о достижениях научных школ России и стран СНГ в области машинного обучения и интеллектуального анализа данных.
• Способствовать обмену опытом, накоплению и распространению научных знаний в этой области.
• Способствовать структурированию и оценке научной информации, выработке единой терминологии и решению других проблем, связанных с информационной разобщённостью исследователей.
• Предоставить площадку для виртуальных научных семинаров и обсуждений.
• Предоставить доступ к распределенной системе тестирования алгоритмов классификации и прогнозирования.

Научные направления

Машинное обучение (Machine Learning) — это обширный подраздел прикладной математики, находящийся на стыке математической статистики, оптимизации, искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться по эмпирическим (прецедентным) данным.

Интеллектуальный анализ данных в широком смысле слова — это совокупность концепций, подходов, методов, алгоритмов, применяемых для автоматического получения каких-либо нетривиальных выводов на основе каких-либо эмпирических данных, в том числе сигналов, изображений, текстов, и т. д. В более узком смысле интеллектуальный анализ данных можно понимать как попытку русского перевода термина Data Mining.

Некоторые научные направления Ресурса имеют значительные пересечения с машинным обучением, но не является его частью. Например, прикладная статистика с одной стороны существенно шире машинного обучения, с другой стороны существуют и не-статистические подходы к обучению. Распознавание образов, анализ изображений, компьютерное зрение, обработка и анализ текстов активно используют методы машинного обучения в качестве инструментария, но имеют также массу собственных подходов, методов, алгоритмов, которые не принято рассматривать в рамках Machine Learning. Эти и другие научные направления можно относить к интеллектуальному анализу данных в широком смысле. Они несомненно также попадают в сферу научных интересов Ресурса MachineLearning.Ru.

Ниже приводится примерный перечень направлений. Тематическая иерархия Ресурса начинается в корневой категории Научные направления и постоянно уточняется участниками проекта.

• Машинное обучение (machine learning) — теория, подходы и методы обучения по прецедентам:
  • классификация (classification);
  • кластеризация (clustering);
  • регрессия (regression);
  • прогнозирование (forecasting).

• Распознавание образов:
  • анализ, распознавание и понимание изображений (image analysis, recognition & understanding);
  • компьютерное зрение (computer vision);
  • анализ, распознавание и понимание речи (speach analysis, recognition & understanding);

• Интеллектуальный анализ данных (data mining) — методы анализа больших объёмов информации, в которых используется обучение по прецедентам:
  • добыча знаний (knowledge discovery in databases);
  • обработка и анализ текстов, понимание текстов (text mining);
  • анализ информации в сети Интернет (web mining).

• Анализ данных — теория, подходы и методы анализа данных, в которых не используется обучение по прецедентам:
  • прикладная статистика (applied statistics);
  • обработка сигналов (signal processing);
  • обработка и синтез изображений (image analysis & synthesis);
  • поиск информации (information retrieval).

• Прикладные задачи и системы анализа данных (applications) — приложения машинного обучения и анализа данных в различных предметных областях:
  • приложения в биоинформатике;
  • приложения в медицине;
  • приложения в социологии;
  • приложения в экономике;
  • приложения в технике.

Для кого предназначен Ресурс

Аудитория Ресурса — русскоязычная, включающая следующие уровни:

• Эксперты по анализу данных. Для них публикуются работы, чтение которых требует профессиональных знаний.
• Эксперты в прикладных областях. Для них публикуется энциклопедия анализа данных, рекомендации по практическому применению методов анализа данных, примеры решённых прикладных задач.
• Руководители, которым адресованы статьи по стратегии применения интеллектуальных продуктов в бизнесе, производстве и других сферах.
• Студенты, аспиранты, преподаватели, использующие Ресурс в образовательных целях.

Принципы построения Ресурса

Соблюдение тематики

• Ресурс не претендует на охват всей прикладной математики и, тем более, всей науки (есть пример проекта с противоположной концепцией — Викинаука).
• Статьи по смежным областям знания допускаются в контексте их связи с основной тематикой Ресурса.
• В рамках основной тематики Ресурса категоризация областей и направлений может свободно изменяться участниками проекта, отражая текущие тенденции и приоритеты.

Открытость

• Содержимое Ресурса создаётся научным сообществом и является общественным достоянием. Статьи публикуются под открытым лицензионным соглашением GNU FDL.
• Создатели Ресурса (научная школа академика РАН Ю. И. Журавлёва и чл.-корр. РАН К. В. Рудакова) осуществляют его техническую поддержку и продвижение, но не определяют его содержимое и не претендуют на право обладания Ресурсом.

Сходство с Википедией

Ресурс строится по принципам Википедии — свободной энциклопедии и обладает всеми её основными возможностями и преимуществами:

• каждый пользователь ресурса может создать или изменить страницу (статью) или раздел (категорию) в любое время, в любом месте, располагая только доступом в Интернет;
• любая статья или категория может быть включена в любое количество категорий, что позволяет гибко выстраивать структуру Ресурса;
• история всех правок сохраняется в системе, любую правку можно отменить, любые две версии статьи можно сравнить;
• с каждой статьёй связана страница обсуждения;

Отличия от Википедии

Имеются концептуальные отличия от Википедии, из-за которых данный Ресурс не может быть частью Википедии:

• тематика Википедии практически не ограничена — тематика Ресурса охватывает только области знания, связанные с анализом данных;
• Википедия создаётся широким кругом энтузиастов, в основной массе не являющихся экспертами — Ресурс является профессиональным и создаётся специалистами в области анализа данных;
• статьи Википедии обязаны быть достаточно популярными и базироваться только на признанных источниках — статьи Ресурса могут быть специальными, полемическими, учебными, содержать данные незавершенных исследований, исходные коды алгоритмов и программ;
• любой участник Википедии имеет право модифицировать личные страницы других участников — здесь эта возможность запрещена.

Имеющиеся отличия не исключают возможность обмена материалами с Википедией и другими сетевыми энциклопедиями.

Создание пространства для совместной работы

• С технической точки зрения MediaWiki даёт только одну ключевую возможность — совместно править страницы Ресурса. Однако использовать её можно не только для создания общедоступной энциклопедии, но и для организации совместной работы научных групп, обмена информацией по текущим исследованиям, поиска и привлечения новых заинтересованных участников в свои проекты.

• Основные категории Ресурса, поддерживающие создание энциклопедии:
  • энциклопедия анализа данных — терминологические, популярные и обзорные статьи;
  • инструменты и технологии — статьи по инструментальным средствам для автоматизации научной деятельности и решения задач анализа данных;
  • теоретические и прикладные исследования — статьи об оригинальных исследованиях.

• Основные категории Ресурса (см. полный перечень), поддерживающие различные формы научного общения:
  • научные конференции — страницы конференций, способные выполнять функции официальных сайтов конференций; на них могут размещаться объявления, текущая информация, материалы конференций;
  • виртуальные семинары — страницы, предназначенные для ведения научных дискуссий и обмена информацией по текущим исследованиям;
  • публикации — страницы, посвящённые обсуждению статей, книг, диссертаций, отчётов и т. д.;
  • конкурсы — открытые конкурсы по решению задач интеллекуального анализа данных;
  • страницы участников — персональные страницы, на которых участники могут размещать информацию о себе, своих научных интересах, публикациях, проектах.

• Использование Ресурса в учебном процессе:
  • учебные курсы;
  • учебные материалы;
  • рекомендации для студентов и аспирантов;
  • коллекция учебных задач;
  • возможна (и поощряется) совместная работа преподавателей и студентов над содержимым учебных материалов;

• Значительная часть работы учёного может вестись на страницах Ресурса:
  • поиск научной информации и новых идей;
  • установление научных контактов, образование научных сообществ;
  • работа с литературой, коллекционирование ссылок, реферирование и обсуждение статей;
  • совместное ведение черновых записей;
  • документирование и обсуждение результатов текущих исследований;
  • проведение семинаров и дискуссий с коллегами, находящимися как в других городах, так и в соседней комнате;
  • обмен исходными кодами программ и алгоритмов;
  • размещение в широком доступе учебных материалов: лекций, заданий, практикумов;
  • контроль за выполнением студенческих работ.

• Образно говоря, MachineLearning.Ru — это инструмент для огранизации научной работы, совмещающий в себе энциклопедию, научную конференцию, учебный семинар и блокнот для черновых записей.

Перспективы

• Благодаря Ресурсу научное знание становится общедоступным практически в момент его появления.
• Ресурс может стать тем местом, где предельно оперативно концентрируется информация о последних разработках и достижениях в области машинного обучения и интеллектуального анализа данных.
• Значительная часть рабочего времени учёного может проходить на страницах Ресурса. Здесь можно жить — читать, писать, общаться, думать и вдохновляться. Чтобы это действительно стало так, Ресурс должен быть, во-первых, наполнен полезной информацией, во-вторых, популярен и признан научной общественностью. Второе без первого невозможно, а первое без второго неэффективно. Становление такого Ресурса — постепенный (итерационный) процесс.

Поддержка проекта

Создание и развитие Ресурса MachineLearning.Ru поддержано Российским фондом фундаментальных исследований (проект № 07-07-00372) и компанией Forecsys.

История

• 2007, 3 октября. Концепция Ресурса MachineLearning.Ru анонсирована на Всероссийской конференции ММРО-13.
• 2008, 1 января. Ресурс открыт для общего доступа и подготовлен к массовому наполнению.
• 2008, 13 июня. Ресурс представлен на международной конференции Интеллектуализация обработки информации 2008.

Полный архив новостей Ресурса MachineLearning.Ru.

Адреса

Ресурс MachineLearning.Ru доступен по адресам www.machinelearning.ru и recognition.su.