Машинное обучение (курс лекций, К.В.Воронцов)/Форма отчета

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Машинное обучение (курс лекций, К.В.Воронцов)/Форма отчета)
(уточнение)
Строка 1: Строка 1:
-
Заданием по курсу «[[Машинное обучение (курс лекций, К.В.Воронцов)|Машинное обучение]]» является выполнение прикладного исследования на реальных данных. Результат оформляется в виде технического отчёта.
+
Заданием по курсу «[[Машинное обучение (курс лекций, К.В.Воронцов)|Машинное обучение]]» является выполнение прикладного исследования на реальных данных.
 +
Задачу можно взять у преподавателя, либо выбрать самостоятельно, согласовав с преподавателем.
 +
Результат оформляется в виде технического отчёта.
-
== Форма технического отчёта ==
+
== Разделы технического отчёта ==
# Постановка задачи: неформальное описание, формальное описание (ДНК — Дано-Найти-Критерий): структура входных данных, выходных данных, критерии качества.
# Постановка задачи: неформальное описание, формальное описание (ДНК — Дано-Найти-Критерий): структура входных данных, выходных данных, критерии качества.
# Описание простого (стандартного и быстрого) базового решения (baseline), со ссылками на источники.
# Описание простого (стандартного и быстрого) базового решения (baseline), со ссылками на источники.

Версия 14:19, 19 февраля 2018

Заданием по курсу «Машинное обучение» является выполнение прикладного исследования на реальных данных. Задачу можно взять у преподавателя, либо выбрать самостоятельно, согласовав с преподавателем. Результат оформляется в виде технического отчёта.

Разделы технического отчёта

  1. Постановка задачи: неформальное описание, формальное описание (ДНК — Дано-Найти-Критерий): структура входных данных, выходных данных, критерии качества.
  2. Описание простого (стандартного и быстрого) базового решения (baseline), со ссылками на источники.
  3. Описание основного решения и его вариантов: модель, метод, алгоритм, со ссылками на источники.
  4. Описание методики экспериментов: набор данных, проверяемые гипотезы, цели каждого эксперимента, методика кросс-валидации.
  5. Результаты экспериментов по подбору гиперпараметров для основного решения: графики зависимостей критериев качества от гиперпараметров модели.
  6. Результаты экспериментов по сравнению основного решения с baseline: таблицы и/или графики с результатами сравнения моделей.
  7. Выводы: что работает, что не работает, интересные факты и инсайты, рекомендации по применению.
  8. Ссылка на код в репозитории.
  9. Ссылки на литературу.

См. также

Личные инструменты