Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 174, осень 2016

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Расписание)
(Расписание)
Строка 75: Строка 75:
|Карасиков Михаил
|Карасиков Михаил
|26 октября
|26 октября
-
|
+
|Protein Scoring
-
|
+
|[https://drive.google.com/file/d/0B_aQpQXXM_H3b3U5RHpPRkVpem8/view?usp=sharing]
|
|
|
|

Версия 20:44, 6 ноября 2016


Лекции на актуальные темы машинного обучения


Лекции

Источник: научные статьи последних лет, желательно 2015-2016. Продолжительность: 45 минут. Число слайдов: 20-30. Цели:

  1. Раскрыть проблему постановки и решения задачи машинного обучения и анализа данных в данной теме.
  2. Подобрать примеры постановки и решения известных (а может и узкоспециальных) задач.

Рекомендации к стилю изложения:

  • дать основные определения этой области,
  • вводимые обозначения должны быть удобны и непротиворечивы,
  • используемые термины должны быть точны,
  • дать теоретические постановки задач,
  • желательно привести теоретические примеры решения и его основные свойства,
  • представить математические методы,
  • привести примеры прикладных задач.

Оценки: max 7 за лекцию + max 3 за тесты. Тест: готовит лектор, 5 вопросов со ответом. Результат теста: N из 5 отображается в 3/6.

Темы на выбор

Указать в таблице одну из тем:

  • Тема вашей дипломной работы
  • Reinforcement learning
  • Active learning
  • Bayesian programming
  • Алгоритмы машинного обучения на квантовых компьютерах
  • Задачи ИЧК (BCI) и обработка сигналов МЭГ
  • Частичное обучение (Semi-supervised learning, Transductive learning)
  • Косвенное обучение (Transfer learning)
  • Обучение словарей (Dictionary learning)
  • Задачи многоклассовой классификации с классами различной мощности
  • Функция ошибки в моделях глубокого обучения (и задача выбора моделей)
  • Инварианты в задачах глубокого обучения
  • Оценка объема выборки в глубоком обучении
  • Generative vs Discriminative
  • Выбор признаков в задачах квадратичной оптимизации
  • Онлайновое обучение, обучение с подкреплением

Расписание

Автор Дата Тема Ссылка Результат Сумма
Сологуб (пример) 4 сентября Алгоритмы индуктивного порождения и трансформации моделей Диссертация, pdf, Презентация, pdf NIR(3) + OK(5)+1/4 * [(0/GR)+(8/10)+(8/10AM)+(8/10AR)+(9/10)+(4.5/5)+(10/10)+(4.5/5)+(9/10)] 9.75
Гринчук Алексей 19 октября [1]
Ефимова Ирина 19 октября Презентация, pdf
Карасиков Михаил 26 октября Protein Scoring [2]
Попова Мария 2 ноября Презентация
Хайруллин Ринат 9 ноября
Швец Михаил 9 ноября [3]

Практикум

  • 19 октября - 2 ноября
Личные инструменты