Изображение:Blue check.png
Материал из MachineLearning.
Нет версии с большим разрешением.
Blue_check.png (30 × 30 пикселов, размер файла: 732 байт, MIME-тип: image/png)
Изображение перенесено из Википедии в соответствии с условиями лицензии GNU Free Documentation License.
История файла
Нажмите на дату/время, чтобы просмотреть как тогда выглядел файл.
Дата/время | Участник | Размер объекта | Размер файла | Примечание | |
---|---|---|---|---|---|
текущий | 08:39, 26 марта 2008 | Yury Chekhovich (Обсуждение | вклад) | 30 × 30 | 732 байт | Изображение перенесено из Википедии в соответствии с условиями лицензии GNU Free Documentation License. |
- Редактировать этот файл, используя внешнюю программу
Подробности см. на странице Meta:Help:External_editors.
Ссылки
Следующие страницы ссылаются на данный файл:
- Категория:Научные школы
- MachineLearning:ToDo
- Категория:Страницы участников
- Категория:Машинное обучение
- Участник:Vokov/Песочница
- Категория:Конкурсы
- Участник:Yury Chekhovich/Песочница
- Обсуждение:Заглавная страница
- Слабая вероятностная аксиоматика
- Категория:Открытые проблемы и полемика
- MachineLearning:Инструктаж
- Категория:MachineLearning:Руководства
- Категория:Энциклопедия анализа данных
- Полигон алгоритмов
- Категория:Учебные курсы
- Категория:Инструменты и технологии
- MachineLearning:Публикации и библиографии
- Шаблон:Хозяйке на заметку
- Шаблон:Хозяйке на заметку/Документация
- Шаблон:UnderConstruction
- Шаблон:Mbox
- Шаблон:Mbox/Документация
- Шаблон:Notice
- Шаблон:Stop
- Шаблон:Well
- Категория:Прикладные исследования
- Категория:Приложения в геологии и геофизике
- Категория:Приложения в экономике
- Категория:Приложения в медицине
- Категория:Теория вычислительного обучения
- Обсуждение:Полигон алгоритмов
- Категория:Популярные и обзорные статьи
- Категория:Виртуальные семинары
- Категория:Теоретические исследования
- Участник:Vokov/Некоторые задачи интеллектуального анализа данных (лекция)
- Прикладная алгебра (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)
- Алгоритмы, модели, алгебры (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)
- SourceForge
- Инструменты и технологии
- Категория:Публикации по авторам
- Категория:Монографии
- Категория:Учебники
- Категория:Статьи в сборниках
- Категория:Доклады конференций
- Категория:Тезисы конференций
- Категория:Докторские диссертации
- Категория:Кандидатские диссертации
- Категория:Выпускные квалификационные работы
- Категория:Отчёты
- Категория:Публикации по журналам
- Категория:Документации
- Категория:Электронная библиотека
- Шаблон:Монография
- Шаблон:Монография/Документация
- Интеллектуализация обработки информации (конференция)/Вики-ресурс MachineLearning.RU: концепция и перспективы
- Шаблон:Статья
- Шаблон:Статья/Документация
- Шаблон:Диссертация
- Шаблон:Диссертация/Документация
- Научно-исследовательская работа (рекомендации)
- Комбинаторная теория переобучения (виртуальный семинар)
- Практикум ММП ВМК, 4й курс, осень 2008
- Категория:Учебные материалы
- Категория:Учебные задачи
- Высшая аттестационная комиссия Российской Федерации
- Критерий Фишера
- Коэффициент корреляции Кенделла
- Участник:Anton/Песочница
- Логистическая регрессия (пример)
- Коэффициент корреляции Спирмена
- Участник:Slimper/Песочница
- Частная корреляция
- Шаблон:Задание
- Шаблон:Задание/Документация
- MachineLearning:Учебный процесс
- Статистический анализ данных (курс лекций, К.В.Воронцов)/2008
- Авторегрессионное скользящее среднее
- Метод LSD
- Модель панельных данных со случайными эффектами
- Модель панельных данных с временны́ми эффектами
- Непараметрическая регрессия: ядерное сглаживание
- Многомерная линейная регрессия
- Медианный критерий
- Ковариационный анализ
- Анализ регрессионных остатков
- Ротационная панель
- Критерий экстремумов
- Участник:Nikita Pustovoytov/Дипольный классификатор
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)
- EM алгоритм (пример)
- Однослойный персептрон (пример)
- EM-алгоритм с последовательным добавлением компонент (пример)
- Метод Парзеновского окна (пример)
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Шаблон отчета о вычислительном эксперименте
- Логистическая регрессия для решения задач классификации (пример)
- Метод k взвешенных ближайших соседей (пример)
- Функции радиального базиса (пример)
- Метод k ближайших соседей (пример)
- Шаблон:ЗаданиеВыполнено
- Шаблон:ЗаданиеВыполнено/Документация
- Байесовские методы машинного обучения (Спецсеминар)
- Полигон алгоритмов/Документация
- Статистический анализ данных (курс лекций, К.В.Воронцов)/2009
- Daily electricity price forecasting (report)
- Обнаружение жизненного цикла товаров (отчет)
- Прогнозирование объемов продаж групп товаров (отчет)
- Классификация пациентов с сердечно-сосудистыми заболеваниями (отчет)
- Разработка алгоритмов ранговой регрессии для кредитного скоринга (отчет)
- Выбор оптимального алфавита марковских моделей для распознавания речи (отчет)
- European Conference on Operational Research
- Распределение Фишера
- Распределение хи-квадрат
- Адаптивные методы прогнозирования временных рядов
- Машинное обучение (курс лекций, К.В.Воронцов)/2009
- Двухфакторная непараметрическая модель
- Дисперсионный анализ
- Модель Тригга-Лича
- Алгоритм СТОЛП
- Гамма-функция
- Метод Монте-Карло
- Теория Валианта
- Криптография
- Нейрокриптография
- Криптография и машинное обучение
- Однофакторная параметрическая модель
- Однофакторная непараметрическая модель
- Стратификация
- Размерность Вапника-Червоненкиса
- Алгоритм имитации отжига
- Метод потенциальных функций
- Функция конкурентного сходства
- Алгоритм FRiS-СТОЛП
- Функция ядра
- Критерии нормальности
- Теорема Новикова
- Пропорциональный выбор
- Теория сложности вычислений
- Метод стохастического градиента
- Участник:Марина/Песочница
- Теорема Мерсера
- Разнообразие
- Функция роста
- Критерии согласия
- Модель МакКаллока-Питтса
- Метод наименьших квадратов с итеративным пересчётом весов
- ЕМ-алгоритм, его модификации и обобщения
- Линейный дискриминант Фишера
- Метод парзеновского окна
- Алгоритм AdaBoost
- Адаптивный линейный элемент
- Оценивание плотности распределения
- Алгоритм INCAS
- Квадратичный дискриминант
- Проклятие размерности
- Метод Ньютона-Гаусса
- Робастное оценивание
- Искусственная нейронная сеть
- Модифицированная ортогонализация Грама-Шмидта
- Закон больших чисел
- Сеть радиальных базисных функций
- Ранговые критерии
- Выборочный контроль качества
- Алгоритмы вычисления оценок
- Критерий Ван дер Вардена
- Критерии однородности
- Метод релевантных векторов
- Критерий Бартелса
- Правило Хэбба
- Алгебра над алгоритмами и эвристический поиск закономерностей
- Участник:Amolchanov/Детекция движения
- Участник:MariaAleshina/Поиск устойчивых зависимостей в движении транспортных потоков города Москвы
- Прогнозирование объемов продаж новых товаров (отчет)
- Повышение точности прогнозов на данных Netflix с помощью построения алгоритмических композиций (отчет)
- Алгоритм AnyBoost
- Участник:Dinar Nurullin/Песочница
- Байесовский информационный критерий
- Критерий Акаике
- Муравьиные алгоритмы
- Тупиковые тесты
- Прогнозирование ежедневных цен на электроэнергию (отчет)
- Сравнение алгоритмов классификации для кредитного скоринга (отчет)
- Математические методы прогнозирования (кафедра ВМиК МГУ)/Доска объявлений
- Прореживание двухслойной нейронной сети (пример)
- Оптимальное прореживание нейронных сетей (пример)
- Порождение нелинейных регрессионных моделей (пример)
- SVM для линейно неразделимой выборки (пример)
- SVM для линейно разделимой выборки (пример)
- SVM регрессия (пример)
- Шаговая регрессия (пример)
- Выбор признаков с помощью генетических алгоритмов (пример)
- Символьная регрессия и структурное расстояние между моделями (пример)
- Прогнозирование временных рядов методом SSA (пример)
- Анализ мультиколлинеарности (пример)
- Однослойные сети RBF для решения задач регрессии (пример)
- Теорема схемы
- Автоматизация и стандартизация научных исследований (практика, В.В. Стрижов)
- Анализ регрессионных остатков (пример)
- Прогнозирование формы множества
- Задачи анализа данных в бизнес-аналитике (семинар К. В. Воронцова)
- Группировка категорий и сегментация признаков в логистической регрессии (пример)
- Долгосрочное прогнозирование ежедневных цен на электроэнергию (пример)
- Аппроксимация Лапласа (пример)
- Прогнозирование финансовых пузырей (пример)
- Оценка эффективности природоохранных программ (пример)
- Построение интегральных индикаторов по ранговым признакам (пример)
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Рекомендуемые обозначения
- Краткосрочное прогнозирование почасовых цен на электроэнергию (пример)
- Поиск нелинейной модели поверхности Мохоровичича (пример)
- Оценка сложности регрессионных моделей (пример)
- Сравнение временных рядов при авторегрессионном прогнозе (пример)
- Прогнозирование макроэкономических показателей с помощью векторной авторегрессии (пример)
- Вычисление гиперпараметров при различных гипотезах порождения данных (пример)
- Описание окрестности точки наибольшего правдоподобия моделей (пример)
- Прогнозирование концентрации кислорода в выхлопных газах дизельного двигателя (пример)
- Исследование скорости сходимости параметров и гиперпараметров (пример)
- Индекс цитирования (инструменты)
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Версия 2010
- Шаманство в анализе данных
- Обсуждение:Численные методы обучения по прецедентам (практика, В.В. Стрижов)
- Кластеризация графов без использования метрик (пример)
- Выделение периодической компоненты временного ряда (пример)
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 674, осень 2011
- Прогнозирование функциями дискретного аргумента (пример)
- Автоматизация и стандартизация научных исследований (практика, В.В. Стрижов)/Версия 2010
- Практикум на ЭВМ (317)/2011-2012
- Аппроксимация функции ошибки
- Исследование устойчивости оценок ковариационной матрицы параметров
- Оценка параметров смеси моделей
- Статистический отчет при создании моделей
- Многомерная гусеница, выбор длины и числа компонент гусеницы (пример)
- Использование метода Белсли для прореживания признаков
- Интеллектуальные системы (кафедра МФТИ)/Студенты
- Обсуждение:Практикум на ЭВМ (317)/2011-2012
- Predictive modelling and optimization (chair MIPT)
- Обсуждение:Практикум на ЭВМ (317)/Пакеты R
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 974, осень 2012
- Участник:Alex.Ryzhkov
- Участник:Algor
- Соревнование Inventum Data Mining Contest
- Прогнозирование плотности транспортного потока
- Участник:Petrov
- Метод потенциального бустинга
- Спецкурс «Прикладные задачи анализа данных»
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Подготовка статьи к публикации на английском языке
- Критерий Хартли
- Критерий Ансари—Бредли
- Критерий Клотца
- Критерий Купера
- Критерий Ватсона
- Критерии Жанга
- Критерий Андерсона-Дарлинга
- Биномиальное распределение двух случайных величин
- Участник:Vitsemgol/Парадоксы биномиального распределения
- Биномиальное распределение с равновероятными успехами испытаний Бернулли
- Парадоксы мультиномиального распределения
- Мультиномиальное распределение независимых случайных величин
- Мультиномиальное распределение с равновероятными успехами испытаний Бернулли
- Мультиномиальное распределение зависимых случайных величин
- БММО (курс лекций)/2013осень/Задание 1
- БММО (курс лекций)/2013осень/Задание 2
- ДСМ-метод в терминах АФП
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Версия 2013
- Интеллектуальные системы (кафедра МФТИ)/Отчеты НИР
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 274, весна 2014
- Обучение по предпочтениям
- Метрическое сгущение
- Спецкурс «Прикладные задачи анализа данных» (2013 год)
- Интеллектуальные системы (кафедра МФТИ)/Прием студентов
- Участник:Daulbaev
- Байесовские методы машинного обучения (курс лекций, Д.П. Ветров, Д.А. Кропотов)/осень 2013
- Участник:Pavel Levdik/Песочница
- Конкурс Avito.ru-2014: распознавание контактной информации на изображениях
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа YАД, весна 2015
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 274, весна 2015
- Пробные задачи
- Алгебра над алгоритмами и эвристический поиск закономерностей/информация для второкурсников
- Конкурс Avito-2015: Распознавание отклика на маркетинговое предложение/Рейтинг участников
- Конкурс Avito-2015: Распознавание отклика на маркетинговое предложение
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 274, осень 2015
- Алгоритмы, модели, алгебры (курс на ВМК до 2015 года)
- Мультиномиальное распределение с упорядоченными элементами подмножеств
- Конкурс ФПИ-2015: Распознавание лиц людей
- Расщепление транспортных потоков
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 374, весна 2016
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 274, весна 2016
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа YАД, весна 2016
- Конкурс Avito-2016: Распознавание марки и модели автомашин на изображениях
- Конкурс Avito-2016: Распознавание категории объявления
- Алгоритмы, модели, алгебры (курс на ВМК 2015 года)
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 374, осень 2016
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 474, весна 2017
- Методы анализа текстов (семинар, К.В.Воронцов)/2017-2018 год
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 474, осень 2017
- Прикладные задачи анализа данных (курс на ВМК 2016 года)
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 274, осень 2017
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 574, весна 2018
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 594, весна 2018
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 474, весна 2018
- Задачи пробного программирования/2018
- Введение в машинное обучение
- Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 574, осень 2018
- Прикладные задачи анализа данных (курс на ВМК 2017 года)
- Автоматизация научных исследований в машинном обучении (практика, В.В. Стрижов)
- Марковский алгоритм кластеризации
- Способы кластеризаци на графе
- Автоматизация научных исследований в машинном обучении (практика, В.В. Стрижов)/Группа 674, весна 2019
- Автоматизация научных исследований в машинном обучении (практика, В.В. Стрижов)/Группа 694, весна 2019
- Прикладные задачи анализа данных (курс на ВМК 2018 года)
- Моя первая научная статья (практика, В.В. Стрижов)/Группы 774, 794, весна 2020
- Обсуждение:Моя первая научная статья (практика, В.В. Стрижов)/Группы 774, 794, весна 2020
- Выбор моделей в машинном обучении (теория и практика, О.Ю. Бахтеев, В.В. Стрижов)/Группа 574, осень 2020
- Участник:Strijov/Drafts2