Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 274, осень 2017

Материал из MachineLearning.

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

• Короткая ссылка на эту страницу: http://bit.ly/2kkE3is

Цель курса: создать серию видео-семинаров c разбором задач и теоретических новинок прикладной направленности (систематизация без популяризации).

Цель быть понятным, когда речь идет о сложных вопросах

На каждом семинаре оценивается квалификация докладчика:

• способность систематизировать теоретические работы и представить в виде единого ясного непротиворечивого сообщения,
• способность увидеть в прикладной задаче систематическую формальную постановку, которая приведет к быстрому качественному решению коммерческого проекта (в отличие от неформальной, при которой программисты работают с черными ящиками и решают проблему исходя не из алгебраической и статистической постановки задачи, а из доступного инструментария). Основная ошибка при подготовке к лекциям - сам разобрался недостаточно подробно и скопировал материал статьи.

Требования к семинарам, теория

1. Единая нотация
2. Решаемая проблема
3. Основные положения, гипотезы
4. Решение
5. Свойства и ограничения решения
6. Альтернативные решения
7. Теоретическая значимость
8. Применение на практике

Понимать технологическую новость как будто сам сделал этот проект

Требования к семинарам, практика

1. Примеры прикладной задачи
2. Неформальная постановка задачи
3. Формальная постановка (в рекомендуемых обозначениях Кузнецов-Катруца-Мотренко-Адуенко TODO ссылки) в которой есть
   • алгебраические структуры на данных
   • гипотезы порождения данных
   • функции ошибки
4. Возможные детали:
   • виды моделей, выбор моделей, методы оптимизации
   • инструменты для прораммирования

Предпочтительнее ссылка на MLAlgorithms, потому, что туда можно положить исходники презентации

Расписание докладов

Дата		Тема доклада	Сылка
Сентябрь	21	Semi-supervised Learning with Deep Generative Models Роман Исаченко	presentation
	28	Шпаргалка по всем сетям, их классификация и строгое описание Илья Жариков Призма, другие коммерческие проекты по обработке изображений Роман Исаченко	presentation presentation
Октябрь	5	Типология GAN и принципы постановки задач для этих сетей Алексей Гончаров
	19	Порождение признаков и словари в анализе изображений Роман Кулага Мультиагентные системы, роевой интеллект Илья Пугач
	26	Структурное обучение: порождение деревьев (суперпозиций) с помощью 1) RNN, 2) автоматов, HMM, 3) автоэнкодеров (и символьные методы) Артем Бочкарев Сеть, которая пишет стихи, рисует картины - постановка задач Илья Жариков
Ноябрь	2	Автоматическое вождение, обзор системы и постановки задач Артем Бочкарев Игры Атари постановка задачи, анализ сходства и различия в постановках Роман Кулага Профилирование пользователей по мультимедийной информации (тесты, данные, доработанная схема IDEF0) Алексей Гончаров
	9	Хеширование и аналитика (кластеризация, ранжирование) больших данных Алексей Морозов Синтез лекарственных препаратов Алексей Морозов
	16	Современное состояние, новости, перспективы Reinforsment Learning Евгений Смирнов Управление мозгом, интерфейс мозг-мозг Илья Пугач
	23	Отличия GAN от VAE, постановка задач и структуры моделей: обсуждение Гончаров, Бочкарев, Исаченко Чат-боты, постановка задачи Евгений Смирнов