Современные методы машинного обучения (курс майнора)/ИАД-7 — различия между версиями
(→Домашние задания) |
(→Домашние задания) |
||
| (не показаны 4 промежуточные версии этого же участника) | |||
| Строка 27: | Строка 27: | ||
17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras]. | 17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras]. | ||
| − | 24 ноября. ''Случайные величины. Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/ | + | 24 ноября. ''Случайные величины. Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar2_hypotheses тесты], [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar3_correlations корреляция]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук]. |
| + | |||
| + | 1 декабря. ''Непараметрические тесты, корреляция.'' Ноутбуки (см. предыдущий семинар). | ||
| + | |||
| + | 8 декабря. ''Прогнозирование временных рядов.'' [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-time-series Ноутбук] | ||
== Домашние задания == | == Домашние задания == | ||
| Строка 40: | Строка 44: | ||
ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря. | ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря. | ||
| + | |||
| + | ДЗ5. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ5 Прогнозирование временного ряда]. Срок сдачи: 18 декабря. | ||
== Полезные ссылки == | == Полезные ссылки == | ||
Текущая версия на 14:52, 10 декабря 2016
Содержание
Семинарист: Влад Шахуро shahurik@ya.ru
В начало темы писем добавляйте [ИАД].
Семинары
15 сентября. Метод опорных векторов. Ядра. ноутбук
22 сентября. Оптимизация. Градиентный спуск. notebook, данные теория, пример град. спуска для линейной регрессии
29 сентября. Предобработка данных. ноутбук
6 октября. Нейронные сети. Введение. Tensorflow
13 октября. Бустинг. ноутбук
27 октября. Семинара не было.
3 ноября. Коллоквиум.
10 ноября. Бустинг, метод Ньютона. Конспект. (A short introduction to boosting, Воронцов cтр. 2-9, конспект про метод Ньютона, стр. 1).
17 ноября. Сверточные нейронные сети для классификации изображений. Keras.
24 ноября. Случайные величины. Проверка гипотез, анализ зависимостей. Ноутбуки: тесты, корреляция. Тест Стьюдента для роста и веса хокеистов: ноутбук.
1 декабря. Непараметрические тесты, корреляция. Ноутбуки (см. предыдущий семинар).
8 декабря. Прогнозирование временных рядов. Ноутбук
Домашние задания
ДЗ1. SVM и ядровые функции. Формулировка и данные. Срок сдачи: 2 октября.
ДЗ2. Предобработка данных и бустинг. Формулировка и данные. Срок сдачи: 25 октября.
Соревнование. Формулировка и критерии оценивания. Срок сдачи: 23 ноября.
ДЗ3. Центральная предельная теорема. Формулировка. Срок сдачи: 4 декабря. Ноутбуки: 1, 2.
ДЗ4. Анализ эффективности удержания. Формулировка. Срок сдачи: 8 декабря.
ДЗ5. Прогнозирование временного ряда. Срок сдачи: 18 декабря.
Полезные ссылки
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
