Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 774, осень 2012

Материал из MachineLearning.

Версия от 11:06, 3 октября 2013; Mikethehuman (Обсуждение | вклад)
(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)
Перейти к: навигация, поиск
Основная статья: Прикладной регрессионный анализ (курс лекций, B.В. Стрижов)


Основная задача этой работы — предложить алгоритм выбора моделей, исследовать и проиллюстрировать его свойства, проанализировать его преимущества недостатки и особенности в сравнении с известными алгоритмами машинного обучения. Практика состоит из задачи, разбитой на три подзадачи-эссе с отчетом и включает постановку задачи, описание алгоритма и вычислительный эксперимент-иллюстрацию. Перед выполнением заданий рекомендуются прочитать статью «Численные методы обучения по прецедентам», а также все, что там по ссылкам, включая статью «Автоматизация научных исследований».

Результат практики: научная статья по выбранной теме, поданная для публикации

  • в JMLDA или
  • в английский журнал из списка Web Of Knowledge.

Идея практики: любой проект (вычислительный эксперимент) может быть разбит на части, каждая из которых занимает ровно один день и может быть сделана при этом от начала и до конца.

Задачи

Название задачи Работу выполняет Рецензент Ссылка SF Дата доклада Доклад
Оценка параметров совместных распределений и использование копул при построении интегральных индикаторов Кузнецов Ивкин Kuznetsov2012Copula 12.11 +2 Kuznetsov2012Copula
Кластеризация смесей распределений в задачах тематического моделирования Сунгуров  ? Sungurov2012Clustering 12.11 +2 Sungurov2012Clustering
Совместный выбор объектов и признаков в задачах прогнозирования временных рядов Ивкин Кузнецов 2012JointSelection 26.11 +2 Ivkin2012Mixtures
Оценка максимума правдоподобия модели и его математического ожидания методом сэмплирования Джамтырова  ? Dzhamtyrova2012Sampling 19.11 +2 Dzhamtyrova2012Sampling
Выбор оптимальных инвариантных преобразований в задачах тематического моделирования Кононенко Животовский Kononenko2012Invariants 26.11 +2 Kononenko2012GP
Порождающий и разделяющий подходы в задачах классификации с малыми выборками Животовский Кононенко 2012GenVsDisc 19.11 +2 GenVsDisc
Факторизация матриц в задачах тематического моделирования Глушаченков  ? 2012Covariance  ? +0

Оценки

5 10 Статья в журнале WebOfScience или ScienceDirect
9
8
4 7 Статья в журнале из списка ВАК
6
5 Статья в локальном журнале
3 4
3 Заметка на заданную тему

Дополнительно:

  • + 2 балла за доклад
  • + 2 балла за экзамен, 84 \leq оценка \leq 100
  • + 1 балл за экзамен, 74 \leq оценка < 84

Темы для 35-минутных докладов (~20 слайдов)

  1. Оценка параметров гетерогенных совместных распределений
  2. Копулы и их полезные свойства, вероятностные методы построения интегральных индикаторов
  3. Методы сэмплирования и вычисление интегралов функций распределения
  4. Методы оценки сложности моделей регрессии и классификации
  5. Порождающий и разделяющий подходы с примерами применения и вероятностными предположениями, и c методами оценки параметров распределений
  6. Гауссовские процессы в задачах регрессии и классификации, методы оценки параметров ковариационной функции
  7. Иерархические модели, оценка из параметров и примеры их использования
  8. Новинки в машинном обучении: structure learning, deep learning и другие

Расписание

Дата Что делаем Результат для обсуждения Код
Сентябрь 10 Выбрана задача, рецензент Запись в ML
17 Выбрана задача, найдены базовые публикации. Аннотация, 600 знаков. Annotation
24 Собрана литература, она в bib; найдены данные. Введение, примерно одна страница. Introduction
Октябрь 8 Поставлена задача, собраны все материалы по работе. Найдены публикации. Постановка задачи, полстраницы. Problem
15 Поставлен вычислительный эксперимент, получены первые результаты. Визуализация данных. Visualizing
22 Описание алгоритма. Алгоритмическая часть (третий раздел). Document
29 Теоретическая часть. Второй раздел. Theory
Ноябрь 5 Завершение вычислительного эксперимента. Описание эксперимента и анализ ошибок. Comp
12 Контрольная точка - показ статьи в целом. Статья. cHeck
19 Доработка статьи; доклад, первая группа. Доклад. Show
26 Доклад, вторая группа. Подача статьи в журнал. Journal
Декабрь 3 Доклад, третья группа. Рецензия написана, [r]-рецензенту Review, [r]
10 Последний день для претендентов на оценки 10,9,8. Экзамен (score)

Оформление

Источник — «http://www.machinelearning.ru/wiki/index.php?title=%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%BF%D0%BE_%D0%BF%D1%80%D0%B5%D1%86%D0%B5%D0%B4%D0%B5%D0%BD%D1%82%D0%B0%D0%BC_%28%D0%BF%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D0%BA%D0%B0%2C_%D0%92.%D0%92._%D0%A1%D1%82%D1%80%D0%B8%D0%B6%D0%BE%D0%B2%29/%D0%93%D1%80%D1%83%D0%BF%D0%BF%D0%B0_774%2C_%D0%BE%D1%81%D0%B5%D0%BD%D1%8C_2012»
Личные инструменты