Заглавная страница

Материал из MachineLearning.

MachineLearning.ru Профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных. Сейчас ресурс содержит 946 статей на русском языке. Poligon.MachineLearning.ru — Полигон алгоритмов классификации	Классификация	Распознавание образов
	Регрессионный анализ	Анализ и понимание изображений
	Прогнозирование	Обработка и анализ текстов
	Прикладная статистика	Прикладные системы анализа данных
	Обработка сигналов	Все направления

Концепция

Инструктаж

Все статьи

Ненаписанные статьи

Полезные ссылки

Частые вопросы

Справка

Конкурс по распознаванию категории объявления

13 июня 2016 года стартует конкурс по распознаванию категории объявления,

проводимый при информационной поддержке 11-й Международной конференции «Интеллектуализация обработки информации».

Цели Ресурса

Сконцентрировать информацию о достижениях ведущих российских научных школ в области машинного обучения, распознавания образов, анализа данных.
Способствовать обмену опытом, накоплению и распространению научных знаний в этой области.
Предоставить площадку для виртуальных научных семинаров и обсуждений.
Предоставить доступ к Полигону алгоритмов классификации — распределенной системе тестирования алгоритмов классификации на реальных прикладных задачах.

Основные принципы

Ресурс строится по принципам Википедии — свободной энциклопедии.

Содержимое Ресурса создаётся всеми его пользователями и является общественным достоянием. Каждый пользователь ресурса может создать или модифицировать статью или раздел (категорию), в любое время, в любом месте, располагая только доступом в Интернет.

Главное отличие от Википедии — профессиональная направленность тематики. Допускается (и поощряется) пополнение Ресурса специальными, полемическими и учебными материалами, информацией о незавершённых исследованиях, исходными кодами алгоритмов и программ. По этим причинам Ресурс не может являться частью Википедии. В то же время, не исключается возможность обмена материалами с Википедией и другими сетевыми энциклопедиями.

Новые статьи

Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2015-2016 уч. года (Dj) – [20:53, 22 сентября 2016]
Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 174, осень 2016 (Strijov) – [19:08, 21 сентября 2016]
Глубинное обучение (курс лекций) (Kropotov) – [07:19, 16 сентября 2016]
Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 274, осень 2016 (Strijov) – [19:26, 14 сентября 2016]
Практикум на ЭВМ (417)/2016 (Emilkayumov) – [20:21, 12 сентября 2016]
Методы оптимизации в машинном обучении (курс лекций)/2016 (Kropotov) – [09:37, 12 сентября 2016]
Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 374, осень 2016 (Strijov) – [22:43, 11 сентября 2016]
Практикум на ЭВМ (317)/2016-2017 (Krasotkina) – [13:28, 11 сентября 2016]
Математические методы распознавания образов (курс лекций, В.В.Китов) (Victor Kitov) – [10:33, 1 сентября 2016]
Байесовские методы машинного обучения (курс лекций) / 2016 (Tipt0p) – [19:52, 31 августа 2016]

Список всех статей

Новое в разделе «Публикации»

Jure Leskovec, Anand Rajaraman, Jeffrey D. Ullman Mining of Massive Datasets. — Cambridge University Press, 2014. — 511 p. (подробнее)
Сборник статей Past, Present, and Future of Statistical Science. — CRC Press, 2014. — 622 p. (подробнее)
Донской, В. И. Алгоритмические модели обучения классификации: обоснование, сравнение, выбор. — Симферополь: ДИАЙПИ, 2014. — 228 с. (подробнее)
Загоруйко, Н. Г. Когнитивный анализ данных. — Академическое издательство «ГЕО», 2012. — 203 с. (подробнее)
Мерков, А. Б. Распознавание образов. Введение в методы статистического обучения. — Едиториал УРСС, 2011. — 256 с. (подробнее)
Bishop, C.M. Pattern Recognition and Machine Learning. — Springer, 2006. — 738 p. (подробнее)
Jiawei Han, Micheline Kamber, Jian Pei Data Mining: Concepts and Techniques, Third Edition. — Morgan Kaufmann Publishers, 2012. — 703 p. (подробнее)
Sean Luke Essentials of Metaheuristics. — Lulu, 2009. — 235 p. (подробнее)
Дьяконов, A. Г. Анализ данных, обучение по прецедентам, логические игры, системы WEKA, RapidMiner и MatLab (практикум на эвм кафедры математических методов прогнозирования). — МАКСПресс, 2010. — 278 с. (подробнее)
Boucheron S., Lugosi G., Bousquet O. Concentration inequalities // Advanced Lectures in Machine Learning. — Springer, 2004. — С. 208-240. (подробнее)

Все публикации

Последние новости

23 августа 2016 года — В рамках конференции AINL-FRUCT-2016 проводится секция Business Intelligence, принимаются статьи в сборник, индексируемый Web of Sciences. Срок до 15 сентября.
13 августа 2016 года — Python Data Science meetup – Avito проводит встречу специалистов по Data Science и машинному обучению. В числе докладов будет рассказ победителя прошедшего конкурса Avito-2016 по распознаванию марки и модели автомобилей по изображениям.
1 августа 2016 года — стартует второй этап конкурса по распознаванию категории объявления, проводимого при информационной поддержке 11-й Международной конференции «Интеллектуализация обработки информации».
21 июля 2016 года — Конференция и школа, "Искусственный интеллект, социальные сети и веб-технологии", проводимая в Санкт-Петербурге с 8 августа по 3 сентября, принимает заявки на участие.
19 июля 2016 года — Специализация МФТИ «Машинное обучение и анализ данных" — серия онлайн курсов на сайте coursera.org приглашает слушателей, желающих быстро освоить практику и теорию профессии, научиться решать типовые индустриальные задачи. Уже сейчас курс слушают несколько тысяч человек.
15 июня 2016 года — Конференция «Интеллектуализация обработки информации» (IDP — Intelligent data processing) объявляет о продлении сроков подачи тезисов докладов до 1 сентября. Конференция пройдет с 10 по 14 октября в Барселоне. Изменение сроков подачи тезисов и проведения конференции связано с расширением состава участников.