Современные методы машинного обучения (курс майнора) ИАД4 — различия между версиями
Строка 16: | Строка 16: | ||
== Домашние Задания == | == Домашние Задания == | ||
− | [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/hw1-svm.ipynb ДЗ 1.], [https://www.dropbox.com/s/mc2u2r8spel5jo1/data.zip?dl=0 data] ''Срок - 30 Сентября 2016'' <br/> | + | 1) [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/hw1-svm.ipynb ДЗ 1.], [https://www.dropbox.com/s/mc2u2r8spel5jo1/data.zip?dl=0 data] ''Срок - 30 Сентября 2016'' <br/> |
− | [Памятка по градиентному спуску + мини задание], ''Срок - 7 Октября 2016'' <br/> | + | 1.1) [Памятка по градиентному спуску + мини задание], ''Срок - 7 Октября 2016'' <br/> |
== Полезные ссылки (Будут пополняться) == | == Полезные ссылки (Будут пополняться) == |
Версия 13:25, 29 сентября 2016
Содержание
Майнор по "Современным методам машинного обучения" - 2016/2017 учебный год - ИАД-4
На данной странице будут вывешиваться последние новости и материалы для семинарских занятий группы ИАД-4
Семинарист: Шестаков Андрей shestakoffandrey@gmail.com
При обращении по почте, начинайте тему письма со слов [Майнор ИАД]
Страница курса
Анонимные комментарии, замечания и пожелания можно оставить здесь
Семинары
1) 15 Сентября 2016: Метод опорных векторов. Ядра. - IPython Notebook
2) 22 Сентября 2016: Методы оптимизации. Градиентный спуск и КО - IPython Notebook, data
2) 29 Сентября 2016: Методы предобработки данных - IPython Notebook, data
Домашние Задания
1) ДЗ 1., data Срок - 30 Сентября 2016
1.1) [Памятка по градиентному спуску + мини задание], Срок - 7 Октября 2016
Полезные ссылки (Будут пополняться)
Семинар 2
Семинар 1
Pandas & Seaborn
Наборы данных
FYI
Python
- PEP-8 Code Style Guide Cheat-sheet
- Python Tutorials Point
- Matplotlib Tutorial
- Matrix Manipulation Cheat-sheet
- Ipython Notebook
- Beaker Notebook
- yhat Rodeo
Ресурсы и Книги
- James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning
- Bishop — Pattern Recognition and Machine Learning (первые главы)
- MachineLearning.ru
- Kaggle
- UCI Repo
- Visual Intro to ML
Онлайн Курсы