Заглавная страница

Материал из MachineLearning.

MachineLearning.ru Профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных. Сейчас ресурс содержит 1056 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

Временная приостановка свободной регистрации на ресурсе

Уважаемые коллеги!

В связи с высокой активностью спамеров, временно приостановлена свободная регистрация на ресурсе MachineLearning.ru. Ведется поиск «интеллектуального» решения данной проблемы.

В настоящее время для создания новой учетной записи, можно обратиться к любому активному участнику ресурса (коллега, научный руководитель, сосед по парте, ...) с просьбой перейти по ссылке Регистрация нового участника и ввести в форму данные нового участника.

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

TopicNet (Vokov) – [21:00, 24 июня 2020]
Технологии программной инженерии (Khritankov) – [16:34, 17 мая 2020]
Методы оптимизации в машинном обучении (курс лекций)/2020 (Kropotov) – [10:34, 7 февраля 2020]
Машинное обучение (практика, В.В. Стрижов)/ФУПМ, весна 2020 (Strijov) – [22:53, 6 февраля 2020]
Математические методы прогнозирования (практика, В.В. Стрижов)/Группа 674, весна 2020 (Strijov) – [21:43, 28 января 2020]
Нейробайесовские методы машинного обучения (курс лекций) / 2020 (Alexgr1) – [11:41, 20 января 2020]
Обработка изображений в системах искусственного интеллекта (курс лекций, И.А.Матвеев)/Вопросы 1 семестр (Algneushev) – [20:02, 15 декабря 2019]

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)

Все публикации

Последние новости

11 февраля 2020 года — Конференция Artificial Intelligence and Natural Language (AINL 2020), проводимая в Хельсинки 7—9 октября, принимает короткие и полные статьи до 20 мая.
11 февраля 2020 года — Конференция Open Innovations Association FRUCT (Finnish-Russian University Cooperation in Telecommunications), проводимая в Ярославле 20—24 апреля, принимает короткие и полные статьи до 28 февраля.
23 декабря 2019 года — Код приглашенного доклада в сессию Bayesian Model Selection and Multimodeling: 2b72d1c2. Тезисы конференции IFORS 2020 в Сеуле, принимаются до 17 января.
с 26 по 29 ноября 2019 года — даты работы 19-й Всероссийской конференции с международным участием «Математические методы распознавания образов» (ММРО-2019). Конференция проходит в Москве в Президиуме Российской академии наук (Ленинский проспект, 32А). Объявление о конференции. Программа конференции.
24 июня 2019 года — The 25-th International Conference of Open Innovation IEEE FRUCT-2019 to be held in Helsinky, November 5-8. Publications with indexing Scopus and WoS, deadline September 16.
24 июня 2019 года — The seminar on Intelligence, Social Media and Web (ISMW) will be held in Helsinki, November 7-8, within scope of the 25 IEEE FRUCT International Conference. Publications with indexing Scopus and WoS, deadline September 16.
30 марта 2019 года — List of conferences, workshops, seminars 2019 related to Artificial Intelligence, Data Mining, Text Mining.
21 марта 2019 года — International Federation of Operational Research Societies IFORS приглашает к сотрудничеству на сайте ifors.org. Конференция IFORS состоится в Сеуле 21-26 июля 2020 года.
29 мая 2019 года — Big Data Days 2019 Международная конференция о больших данных, науке о данных и искусственном интеллекте пройдет в Москве с 8 по 10 октября.
21 марта 2019 года — The X International Conference "Optimization and Applications" will be held in Petrovac, Montenegro, September 30 - October 4, 2019 in Petrovac, Montenegro.
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.