Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 274, осень 2017

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Расписание докладов)
Текущая версия (15:22, 21 декабря 2017) (править) (отменить)
(Расписание докладов)
 
(9 промежуточных версий не показаны.)
Строка 62: Строка 62:
* Типология GAN и принципы постановки задач для этих сетей ''Алексей Гончаров''
* Типология GAN и принципы постановки задач для этих сетей ''Алексей Гончаров''
|
|
 +
* [https://drive.google.com/file/d/1eWNliLdU2AsQ85nO8g7Qd3Hf1TEMKq3m/view presentation]
|-
|-
|
|
Строка 68: Строка 69:
* Порождение признаков и словари в анализе изображений ''Роман Кулага''
* Порождение признаков и словари в анализе изображений ''Роман Кулага''
|
|
 +
* [[Media:DictionaryLearning.pdf| presentation]]
|-
|-
|
|
Строка 85: Строка 87:
* Профилирование пользователей по мультимедийной информации (тесты, данные, доработанная схема IDEF0) ''Алексей Гончаров''
* Профилирование пользователей по мультимедийной информации (тесты, данные, доработанная схема IDEF0) ''Алексей Гончаров''
|
|
-
* [[Media:Bochkarev2017Presentation_02.pdf| presentation]]
+
* [[Media:Bochkarev2017Presentation_02.pdf| presentation]]
-
|-
+
* [[Media:Atari_deep_q_learning.pdf| presentation]]
* [[Media:Goncharov_presntation_User_behavior.pdf| presentation]]
* [[Media:Goncharov_presntation_User_behavior.pdf| presentation]]
 +
|-
 +
|
|9
|9
|
|
Строка 116: Строка 120:
* Постановка задачи сверточные сети для графов: '''обсуждение''' ''Алексей Морозов''
* Постановка задачи сверточные сети для графов: '''обсуждение''' ''Алексей Морозов''
* Чат-боты, постановка задачи ''Евгений Смирнов''
* Чат-боты, постановка задачи ''Евгений Смирнов''
-
* Байесовское программирование. Онтология в новых поисковых машинах. ''Радослав Нейчев''
+
* Attention mechanism: Theory and application ''Радослав Нейчев''
|
|
*
*
*
*
* [[Media:Smirnov2017Chatbots.pdf‎| presentation]]
* [[Media:Smirnov2017Chatbots.pdf‎| presentation]]
-
*
+
* [[Media:Attention_Potapenko_Ianina.pdf‎| presentation]]
|-
|-
|Декабрь
|Декабрь
Строка 130: Строка 134:
* Мультиагентные системы, роевой интеллект ''Илья Пугач''
* Мультиагентные системы, роевой интеллект ''Илья Пугач''
|
|
 +
*[[Media:Fine_tunning_Neychev_2017.pdf| Review paper]]
 +
*
 +
*
|-
|-
|}
|}

Текущая версия

Цель курса: создать серию видео-семинаров c разбором задач и теоретических новинок прикладной направленности (систематизация без популяризации).

Цель быть понятным, когда речь идет о сложных вопросах


На каждом семинаре оценивается квалификация докладчика:

  • способность систематизировать теоретические работы и представить в виде единого ясного непротиворечивого сообщения,
  • способность увидеть в прикладной задаче систематическую формальную постановку, которая приведет к быстрому качественному решению коммерческого проекта (в отличие от неформальной, при которой программисты работают с черными ящиками и решают проблему исходя не из алгебраической и статистической постановки задачи, а из доступного инструментария). Основная ошибка при подготовке к лекциям - сам разобрался недостаточно подробно и скопировал материал статьи.

Требования к семинарам, теория

  1. Единая нотация
  2. Решаемая проблема
  3. Основные положения, гипотезы
  4. Решение
  5. Свойства и ограничения решения
  6. Альтернативные решения
  7. Теоретическая значимость
  8. Применение на практике
Понимать технологическую новость как будто сам сделал этот проект


Требования к семинарам, практика

  1. Примеры прикладной задачи
  2. Неформальная постановка задачи
  3. Формальная постановка (в рекомендуемых обозначениях Кузнецов-Катруца-Мотренко-Адуенко TODO ссылки) в которой есть
    • алгебраические структуры на данных
    • гипотезы порождения данных
    • функции ошибки
  4. Возможные детали:
    • виды моделей, выбор моделей, методы оптимизации
    • инструменты для прораммирования



Предпочтительнее ссылка на MLAlgorithms, потому, что туда можно положить исходники презентации


Расписание докладов

Дата Тема доклада Сылка
Сентябрь 21
  • Semi-supervised Learning with Deep Generative Models Роман Исаченко
28
  • Шпаргалка по всем сетям, их классификация и строгое описание Илья Жариков
  • Призма, другие коммерческие проекты по обработке изображений Роман Исаченко
Октябрь 5
  • Типология GAN и принципы постановки задач для этих сетей Алексей Гончаров
19
  • Порождение признаков и словари в анализе изображений Роман Кулага
26
  • Структурное обучение: порождение деревьев (суперпозиций) с помощью 1) RNN, 2) автоматов, HMM, 3) автоэнкодеров (и символьные методы) Артем Бочкарев
  • Сеть, которая пишет стихи, рисует картины - постановка задач Илья Жариков
Ноябрь 2
  • Автоматическое вождение, обзор системы и постановки задач Артем Бочкарев
  • Игры Атари постановка задачи, анализ сходства и различия в постановках Роман Кулага
  • Профилирование пользователей по мультимедийной информации (тесты, данные, доработанная схема IDEF0) Алексей Гончаров
9
  • Синтез лекарственных препаратов Алексей Морозов
16
  • Deep Multigrid: learning prolongation and restriction matrices
23
  • Современное состояние, новости, перспективы Reinforsment Learning Евгений Смирнов
  • Хеширование и аналитика (кластеризация, ранжирование) больших данных Алексей Морозов
30
  • Отличия GAN от VAE, постановка задач и структуры моделей: обсуждение Гончаров, Бочкарев, Исаченко
  • Постановка задачи сверточные сети для графов: обсуждение Алексей Морозов
  • Чат-боты, постановка задачи Евгений Смирнов
  • Attention mechanism: Theory and application Радослав Нейчев
Декабрь 7+
  • Дообучение моделей для эксплуатации. Радослав Нейчев
  • Управление мозгом, интерфейс мозг-мозг Илья Пугач
  • Мультиагентные системы, роевой интеллект Илья Пугач
Личные инструменты