Машинное обучение (курс лекций, Н.Ю.Золотых)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: '''Машинное обучение''' — курс, читаемый на факультете ВМК Нижегородского гос. университета им. Н....)
Текущая версия (08:52, 19 октября 2017) (править) (отменить)
м (Исправлен линк)
 
(1 промежуточная версия не показана)
Строка 25: Строка 25:
==Лабораторные работы==
==Лабораторные работы==
-
В качестве основной вычислительной среды для проведения лабораторных работ используется [http://www.r-project.org/ R].
+
В качестве основной вычислительной среды для проведения лабораторных работ используется [[R]].
Предлагаются следующие лабораторные работы:
Предлагаются следующие лабораторные работы:
Строка 55: Строка 55:
==Ссылки==
==Ссылки==
-
* [http://www.uic.nnov.ru/~zny/ml Домашняя страница курса] — конспекты лекций, презентации, описание лабораторных работ и полезные ссылки.
+
* [http://www.uic.unn.ru/~zny/ml/ Домашняя страница курса] — конспекты лекций, презентации, описание лабораторных работ и полезные ссылки.
[[Категория:Учебные курсы]]
[[Категория:Учебные курсы]]

Текущая версия

Машинное обучение — курс, читаемый на факультете ВМК Нижегородского гос. университета им. Н.И. Лобачевского. Это односеместровый вводный курс для магистрантов. Основная цель — дать обзор основных методов, используемых в машинном обучении, развить интуицию студентов для лучшего понимания основных идей, лежащих за этими методами, и привить навыки работы с программным обеспечением, реализующим алгоритмы машинного обучения.

Автор курса – Н.Ю. Золотых. Лабораторные работы разработаны А.Н. Половинкиным, Н.Ю. Золотых, С.Н. Чернышовой, Ю.В. Горюновым.

Разработка курса поддержана корпорацией Intel. Кураторы от Intel — Виктор Ерухимов, Игорь Чикалов.

Содержание

Лекции

Основные темы лекций:

Лабораторные работы

В качестве основной вычислительной среды для проведения лабораторных работ используется R.

Предлагаются следующие лабораторные работы:

Задания к лабораторным работам включают реализации алгоритмов машинного обучения и/или экспериментальное сравнение таких алгоритмов между собой. Данные для задач взяты из известных коллекций, таких как UCI Machine Learning Repository, Carnegie Mellon University StatLib Collection. Иногда для иллюстации тонких моментов некоторых алгоритмов используются искусственно сгенерированные данные.

Конкурсные задания

В рамках курса предусмотрено проведение конкурса на лучшее решение практической задачи машинного обучения. Его правила обычны для проведения подобных соревнований. В начале семестра становится доступной некоторая обучающая выборка. В конце семестра студентам предоставляется возможность проверить построенные ими классификаторы на проверочной выборке. Далее студенты загружают тестовые данные (без значений выходной переменной) и посылают организатором найденные значения выходной переменной.

Для выполнения конкурсного задания студенты могут использовать любое программное обеспечение (рекомендуется R).

Ссылки

Личные инструменты