Визуализация рок-кривой (летняя практика) — различия между версиями
Katya (обсуждение | вклад) |
|||
| Строка 3: | Строка 3: | ||
|mentor=Рогожников Алексей Михайлович | |mentor=Рогожников Алексей Михайлович | ||
|mentor_login={{URLENCODE:Старчикова Ольга|WIKI}} | |mentor_login={{URLENCODE:Старчикова Ольга|WIKI}} | ||
| − | |organization=Лаборатория методов анализа больших данных ( | + | |organization=Лаборатория методов анализа больших данных (Lambda) |
|hse_profile=- | |hse_profile=- | ||
|email=- | |email=- | ||
Версия 11:48, 30 мая 2015
| Автор | Рогожников Алексей Михайлович [- Профиль на сайте ВШЭ] Электронная почта |
| Организация | Лаборатория методов анализа больших данных (Lambda) |
| Учебный год | 2015 |
Содержание
Задание
1. визуализация рок-кривой (движение распределений -> изменение рок-кривой, это просто)
2. логистическая регрессия и линейный SVM - для них надо как минимум двумерную визуализацию решающего правила (с возможностью мышкой двигать правило), + надо иметь возможность переключаться в 3d-режим, чтобы по оси z была функция потерь плюс стохастическое обучение - надо это проиллюстрировать. Вот этот пункт - это очень полноценная работа, довольно важная, я подобного в сети не нашел.
3. итеративное построение дерева с разными критериями разбиения
Какие начальные требования?
Иметь представление о 2d/3d визуализации. Приветствуется владение джаваскриптом.
Изначального понимания визуализируемых алгоритмов не ожидается, однако с ними обязательно потребуется познакомиться.
Какие будут использоваться технологии?
1. html + javascript, 2. фреймворк для визуализации (например, d3.js)
Какая дополнительная литература понадобится?
Необходимо прочитать про указанные алгоритмы машинного обучения. Например, на machinelearning.ru или из лекций: http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций%2C_К.В.Воронцов) или из любого другого источника.
