Спецкурс «Прикладные задачи анализа данных»

Материал из MachineLearning.

Версия 13:41, 12 сентября 2013 (править) Dj (Обсуждение | вклад) (→Лекции) ← К предыдущему изменению		Версия 14:05, 12 сентября 2013 (править) (отменить) Dj (Обсуждение | вклад) (→Лекции) К следующему изменению →
Строка 119:		Строка 119:
	| Домашнее задание: решить задачу (отчёт)		| Домашнее задание: решить задачу (отчёт)
	|-		|-
-	| ??.10.13	+	| 07.10.13
-	|	+	| Разбор первого домашнего задания.
	|		|
	|}		|}

---

Версия 14:05, 12 сентября 2013

Содержание 1 Объявление 2 Слушатели 3 Лекции 4 Аннотация 5 Отчётность 6 Ссылки 7 Ещё ссылки

Объявление

В ближайшее время, предположительно 16 сентября (понедельник) в 16:20 (5я пара), начнёт работу спецкурс-семинар «Прикладные задачи анализа данных»

Лектор: Дьяконов Александр

Важно! Для участия в спецкурсе надо предварительно зарегистрироваться. Для этого отправьте письмо лектору (djakonov -собака- mail -точка- ru). Тема письма ПЗАД + Ваши ФИО. Далее кратко опишите, почему хотите посещать спецкурс, Ваш бэкграунд, готовы ли Вы тратить своё свободное время на решение задач из турниров по анализу данных.

Основная цель: практика решения современных задач классификации, прогнозирования, регрессии, рекомендации и т.п., подготовка участников к соревнованиям на платформах Kaggle и Algomost.

Мероприятие проходит в двух режимах:

• спецкурса – лекции о решении прикладных задач, обучение некоторым системам анализа данных (например R) и т.п.
• спецсеминара – обсуждение решаемых задач, выработка общих стратегий, разделение работы в рамках участия в соревновании одной командой, мозговой штурм и т.п.

Важно: от участников потребуется выполнение нетривиальных практических заданий!

Детали появятся в ближайшее время на странице кафедры (ну и на этой странице). Дни недели сейчас определяются (рассматриваемые варианты: 4,5,6 пары понедельника, вторника и среды). Можно повлиять на дату мероприятия, написав письмо лектору на почту djakonov(собака)mail(точка)ru

Слушатели

ФИО	рег	задание 1	задание 2	задание 3
Гавриков Михаил Игоревич	517
Файзи Вахиб	маг
Чепарухин Сергей Игоревич	вмк2
Ромов Петр Алексеевич	517
Фонарев Александр Юрьевич	517
Дорофеев Николай Юрьевич	Яндекс
Рыжков Александр Михайлович	417
Oleg Kharatsidi	417
Шаповалов Никита Анатольевич	201
Адимов Арсений Владимирович	вмк
Рысьмятова Анастасия Александровна	?
Тавыриков Юрий Евгеньевич	вмк2

Лекции

Число	Лекция	Материалы, замечания
16.09.13	Решение задачи [The Big Data Combine Engineered by BattleFin] - прогноз цены на основе многомерного ряда и анонимизированных признаков. Загрузка данных, простые модели, линейная регрессия и случайный лес, сравнение R и MATLAB.	Домашнее задание: решить задачу (отчёт)
07.10.13	Разбор первого домашнего задания.

Аннотация

2do

Автор программы: Дьяконов Александр Геннадьевич

Отчётность

• отчёты по решению конкурсных задач (доклады с презентацией + исходники)
• зачёт с оценкой в конце семестра

Ссылки

• Научно-популярная лекция «Введение в анализ данных» (PDF, 1.4 Мб)

Вводная лекция, которая написана для просеминара.

• Анализ данных, обучение по прецедентам, логические игры, системы WEKA, RapidMiner и MatLab (практикум на ЭВМ кафедры математических методов прогнозирования)

Глава 12 «Шаманство в анализе данных».

• Научно-популярная лекция «Шаманство в анализе данных» (1.21Мб)

Переработка предыдущего источника в научно-популярную лекцию.

• Научно-популярная лекция «Чему не учат в анализе данных и машинном обучении»

Рассказываются тонкости решения задач, которые умалчиваются в основных курсах.

• Прогнозирование рядов соревнования «Tourism Forecasting Part Two» (414Кб)

Подробное описание некоторых простых алгоритмов для прогнозирования туристических временных рядов.

• Страница спецсеминара «Алгебра над алгоритмами и эвристический поиск закономерностей»

Приведены ссылки на сайты с данными реальных задач анализа данных.

Ещё ссылки

• Использование системы R в анализе данных

Неплохая короткая демка про соревнования в анализе данных, платформы для соревнований и возможности системы R.