Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 274, весна 2016

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Эссе)
(Темы работ)
Строка 214: Строка 214:
*# Для некоторых функций ошибки указать из какой гипотезы порождения данных они получены и каким образом (например, функцию ошибки включена сумма различных видов штрафов на векторы параметров и невязок).
*# Для некоторых функций ошибки указать из какой гипотезы порождения данных они получены и каким образом (например, функцию ошибки включена сумма различных видов штрафов на векторы параметров и невязок).
*# Сделать эксперимент-пример вычисления правдоподобия моделей и визуальный анализ пространства параметров и гиперпараметров модели.
*# Сделать эксперимент-пример вычисления правдоподобия моделей и визуальный анализ пространства параметров и гиперпараметров модели.
-
* Эссе 2. Смеси моделей
+
* Эссе 2. Смеси моделей [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/Strijov2012IAM.METU.Part4.pdf?format=raw slide 24] [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group074/Kuznetsov2013SSAForecasting/doc/Ivkin2013ProblemStatement.pdf?format=raw txt], [tableau]
*# Предложить способы порождения объектов и признаков для задачи прогнозирования сложных объектов (spatio-temporal data).
*# Предложить способы порождения объектов и признаков для задачи прогнозирования сложных объектов (spatio-temporal data).
*# Сделать краткое и ясное описание алгоритма порождения мультимоделей:
*# Сделать краткое и ясное описание алгоритма порождения мультимоделей:

Версия 14:46, 23 февраля 2016


Построение моделей в машинном обучении

Курс посвящен обсуждению методов выбора моделей. Обсуждение ведется в формате лекций, докладов и эссе. Эссе — это краткое, примерно на страницу, изложение собственной точки здрения на постановку и решение определенной задачи. Пишется в свободной форме, но с учетом нашего стиля написания научных работ: терминологическая точность и единство обозначений приветствуются[1].

Эссе

Автор 1 2 3 4 5 6 7 8 L E Оценка
Бочкарев Артем 1 2 3 4 5 6 7 8
Гончаров Алексей 1 2 3 4 5 6 7 8
Двинских Дарина 1 2 3 4 5 6 7 8
Жариков Илья 1 2 3 4 5 6 7 8
Задаянчук Андрей 1 2 3 4 5 6 7 8
Златов Александр 1 2 3 4 5 6 7 8
Исаченко Роман 1 2 3 4 5 6 7 8
Нейчев Радослав 1 2 3 4 5 6 7 8
Подкопаев Александр 1 2 3 4 5 6 7 8
Решетова Дарья 1 2 3 4 5 6 7 8
Смирнов Евгений 1 2 3 4 5 6 7 8
Черных Владимир 1 2 3 4 5 6 7 8
Шишковец Светлана 1 2 3 4 5 6 7 8
Чинаев Николай 1 2 3 4 5 6 7 8

Эссе хранятся в папке Group274/Surname2016Essays/. Ссылка на эссе делается по шаблону

 [https://sourceforge.net/p/mlalgorithms/code/HEAD/tree/Group274/Surname2016Essays/Surname2016Essay1.pdf?format=raw 1] 

Темы работ

  • Эссе 1. Байесовский вывод в выборе моделей slides, txt, paper
    1. Вывод формулы ошибки общего вида для "необычных" гипотез порождения данных (от мультиномиального распределения для задачи многоклассовой классификации до произвольных распределений из экспоненциального семейства, см. список GLM).
    2. Для некоторых функций ошибки указать из какой гипотезы порождения данных они получены и каким образом (например, функцию ошибки включена сумма различных видов штрафов на векторы параметров и невязок).
    3. Сделать эксперимент-пример вычисления правдоподобия моделей и визуальный анализ пространства параметров и гиперпараметров модели.
  • Эссе 2. Смеси моделей slide 24 txt, [tableau]
    1. Предложить способы порождения объектов и признаков для задачи прогнозирования сложных объектов (spatio-temporal data).
    2. Сделать краткое и ясное описание алгоритма порождения мультимоделей:
      • совместный выбор объектов и признаков с помощью генетического алгоритма,
      • порождение и выбор мультимоделей из принципа алгоритма МГУА.
    3. Сделать краткое и ясное описание алгоритма выбора мультимоделей:
      • mixture of experts,
      • multi-level model,
      • своего алгоритма.
  • Эссе 3. Оценка параметров


Прошу делать разнообразные эссе, минимизируя пересечения. Смотрите на те загрузки, которые уже сделаны.


Сумма=13, где A-=0, A=1, A+=1.5, A++=2, тесты (30-50 вопросов 1 час)=3, доклад=2, 3 пропуска.

Личные инструменты