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

Материал из MachineLearning.

Перейти к: навигация, поиск

Содержание

Лекция 1

  1. Списоктоповых конференций в области машинного обучения.
  2. Список зарубежных журналов с высоким импакт-фактором.
  3. Список зарубежных журналов с низким импакт-фактором
  4. Список рекомендуемых журналов ВАК.
  5. Список журналов, принимающих статьи по тематике курса.
  6. Краткое описание курса.
  7. Описание результатов курса за период с 2008 по 2014 год: статья.
    • Пример обзора литературы в формате LinkReview.
  8. Схема процедуры рецензирования.
  9. Примеры написания формального введения к квалификационной работе [1], [2].
  10. Примеры хороших студенческих статей KuznetsovIvkin2015, Katrutsa2015.
  11. Примеры
    1. отзывов рецензентов: [3], [4], [5]
    2. ответов на отзывы рецензентов: [6], [7]
    3. корректуры статьи [8].

Lecture 1

  1. List of top Machine Learninng conferences.
  2. List of international journals with hgh IF.
  3. List of international jounals with low IF.
  4. List of recommended HAC jounals.
  5. List of jounals that publish articles on course subjects.
  6. Brief discription of the course.
  7. A detailed discription of course results (from 2008 to 2014): [Motrenko2014MLEducation.pdf].
    • An example of literature review presented in the form of LinkReview.
  8. Scheme of reviewing procedure.
  9. Some examples of writing a formal inroduction to qualification papers (Masters or Phd Thesis)[9], [10].
  10. Several examples of
    1. reviewers comments: [11], [12], [13]
    2. authors' responses to reviews: [14], [15]
    3. corrected paper [16].


Домашние задания, Весна 2019

Машинное обучение, весна 2019, распределение по семинарам, анкета https://goo.gl/forms/Rt3l4SbSl7ETx9Ys2


Домашнее задание FS: анализ пространства

08.02: Порождение расширенного признакового пространства, софткомпьютинг

Домашнее задание FA: сравнение способов порождения признаков

15.02: Ручное порождение признаков или автоматическое

Домашнее задание NA: описание нового алгоритма

22.03: Работа над основным алгоритмом

Домашнее задание MM: мультимоделирование

01.03: Анализ адекватности модели, ансамбли и мультимоделирование

Домашнее задание CO: график сложности и профилирование

15.03: Анализ сложности алгоритма: теоретический и эмпирический

Домашнее задание CR: набор критериев и алгоритм оптимизации

22.03: Создание набора внешних критериев, дообучение

Домашнее задание EX: эксперимент, анализ постановки в эксперименте

05.04: Планирование эксперимента

Домашнее задание A: эксперимент, анализ ошибки в эксперименте

19.04: Анализ результатов, оформление результатов эксперимента

Личные инструменты