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

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Текущая версия (15:22, 21 декабря 2017) (править) (отменить)
(Расписание докладов)
 
(38 промежуточных версий не показаны.)
Строка 1: Строка 1:
 +
{{Main|Численные методы обучения по прецедентам (практика, В.В. Стрижов)}}
 +
* Короткая ссылка на эту страницу: [http://bit.ly/2kkE3is http://bit.ly/2kkE3is]
 +
 +
Цель курса: создать серию видео-семинаров c разбором задач и теоретических новинок прикладной направленности (систематизация без популяризации).
 +
{{tip|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
 +
# Единая нотация
 +
# Решаемая проблема
 +
# Основные положения, гипотезы
 +
# Решение
 +
# Свойства и ограничения решения
 +
# Альтернативные решения
 +
# Теоретическая значимость
 +
# Применение на практике
 +
{{tip|Понимать технологическую новость как будто сам сделал этот проект}}
 +
 +
Требования к семинарам, практика
 +
# Примеры прикладной задачи
 +
# Неформальная постановка задачи
 +
# Формальная постановка (в рекомендуемых обозначениях Кузнецов-Катруца-Мотренко-Адуенко TODO ссылки) в которой есть
 +
#* алгебраические структуры на данных
 +
#* гипотезы порождения данных
 +
#* функции ошибки
 +
# Возможные детали:
 +
#* виды моделей, выбор моделей, методы оптимизации
 +
#* инструменты для прораммирования
 +
 +
 +
 +
{{tip|Предпочтительнее ссылка на MLAlgorithms, потому, что туда можно положить исходники презентации}}
 +
 +
== Расписание докладов ==
{|class="wikitable"
{|class="wikitable"
! Дата
! Дата
Строка 25: Строка 61:
|
|
* Типология GAN и принципы постановки задач для этих сетей ''Алексей Гончаров''
* Типология GAN и принципы постановки задач для этих сетей ''Алексей Гончаров''
-
* Мультиагентные системы, роевой интеллект ''Илья Пугач''
 
|
|
 +
* [https://drive.google.com/file/d/1eWNliLdU2AsQ85nO8g7Qd3Hf1TEMKq3m/view presentation]
|-
|-
|
|
-
|12?
+
|19
|
|
* Порождение признаков и словари в анализе изображений ''Роман Кулага''
* Порождение признаков и словари в анализе изображений ''Роман Кулага''
-
* Синтез лекарственных препаратов ''Алексей Морозов''
 
|
|
 +
* [[Media:DictionaryLearning.pdf| presentation]]
|-
|-
|
|
-
|19
+
|26
|
|
-
* Сложности оптимизации в GAN, DLNN, перемешивание, вариационный вывод ''Артем Бочкарев''
+
* 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''
* Сеть, которая пишет стихи, рисует картины - постановка задач ''Илья Жариков''
|
|
 +
* [[Media:Bochkarev2017Presentation_01.pdf| presentation]]
 +
* [[Media:Zharikov2017Presentation_02.pdf| presentation]]
|-
|-
-
|
+
|Ноябрь
-
|26
+
|2
|
|
* Автоматическое вождение, обзор системы и постановки задач ''Артем Бочкарев''
* Автоматическое вождение, обзор системы и постановки задач ''Артем Бочкарев''
* Игры Атари постановка задачи, анализ сходства и различия в постановках Роман ''Кулага''
* Игры Атари постановка задачи, анализ сходства и различия в постановках Роман ''Кулага''
 +
* Профилирование пользователей по мультимедийной информации (тесты, данные, доработанная схема IDEF0) ''Алексей Гончаров''
|
|
 +
* [[Media:Bochkarev2017Presentation_02.pdf| presentation]]
 +
* [[Media:Atari_deep_q_learning.pdf| presentation]]
 +
* [[Media:Goncharov_presntation_User_behavior.pdf| presentation]]
|-
|-
-
|Ноябрь
 
-
|2
 
|
|
 +
|9
 +
|
 +
* Синтез лекарственных препаратов ''Алексей Морозов''
 +
|
 +
* [[Media:Morozov2017Synthesis of medicines.pdf| presentation]]
 +
|-
 +
|
 +
|16
 +
|
 +
* Deep Multigrid: learning prolongation and restriction matrices
 +
|
 +
* [[Media:DMG_presentation.pdf| presentation]]
 +
|-
 +
|
 +
|23
 +
|
 +
* Современное состояние, новости, перспективы Reinforsment Learning ''Евгений Смирнов''
* Хеширование и аналитика (кластеризация, ранжирование) больших данных ''Алексей Морозов''
* Хеширование и аналитика (кластеризация, ранжирование) больших данных ''Алексей Морозов''
-
* Профилирование пользователей по мультимедийной информации ''Алексей Гончаров''|Тесты, данные, доработанная схема IDEF0.
 
|
|
 +
* [[Media:Smirnov2017RL.pdf‎| presentation]]
 +
* [[Media:Morozov2017Spherical hashing.pdf‎| presentation]]
|-
|-
|
|
-
|9
+
|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''
 +
|
 +
*
 +
*
 +
* [[Media:Smirnov2017Chatbots.pdf‎| presentation]]
 +
* [[Media:Attention_Potapenko_Ianina.pdf‎| presentation]]
 +
|-
 +
|Декабрь
 +
|7+
 +
|
 +
* Дообучение моделей для эксплуатации. ''Радослав Нейчев''
* Управление мозгом, интерфейс мозг-мозг ''Илья Пугач''
* Управление мозгом, интерфейс мозг-мозг ''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