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 209: Строка 209:
== Темы работ ==
== Темы работ ==
* Эссе 1. Байесовский вывод в выборе моделей [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/Part1%60DataGeneration.pdf?format=raw slides], [https://sourceforge.net/p/mvr/code/HEAD/tree/docs/ModelSelection/1ch.pdf?format=raw txt], [http://strijov.com/papers/HyperOptimizationEng.pdf paper]
* Эссе 1. Байесовский вывод в выборе моделей [https://sourceforge.net/p/mvr/code/HEAD/tree/lectures/Part1%60DataGeneration.pdf?format=raw slides], [https://sourceforge.net/p/mvr/code/HEAD/tree/docs/ModelSelection/1ch.pdf?format=raw txt], [http://strijov.com/papers/HyperOptimizationEng.pdf paper]
-
*#
+
*# Вывод формулы ошибки общего вида для "необычных" гипотез порождения данных.
-
*#
+
*# Для некоторых функций ошибки указать из какой гипотезы порождения данных они получены и каким образом.
-
*#
+
*# Сделать эксперимент-пример вычисления правдоподобия моделей и визуальный анализ пространства параметров и гиперпараметров модели.
* Эссе 2. Смеси моделей
* Эссе 2. Смеси моделей
* Эссе 3. Оценка параметров
* Эссе 3. Оценка параметров

Версия 20:16, 11 февраля 2016

Построение моделей в машинном обучении



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.
    2. Для некоторых функций ошибки указать из какой гипотезы порождения данных они получены и каким образом.
    3. Сделать эксперимент-пример вычисления правдоподобия моделей и визуальный анализ пространства параметров и гиперпараметров модели.
  • Эссе 2. Смеси моделей
  • Эссе 3. Оценка параметров

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