Современные методы машинного обучения (курс майнора) ИАД1-5 — различия между версиями
Panov.ai (обсуждение | вклад) (Новая страница) |
Panov.ai (обсуждение | вклад) |
||
(не показаны 24 промежуточные версии 2 участников) | |||
Строка 1: | Строка 1: | ||
__TOC__ | __TOC__ | ||
− | == Майнор по | + | == Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-1 и ИАД-5== |
На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-5 | На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-5 | ||
Строка 9: | Строка 9: | ||
''' [http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0) Страница] курса''' <br/> | ''' [http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0) Страница] курса''' <br/> | ||
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://docs.google.com/forms/d/1JevHn2TS5KD83KLNbwbstDUgOjF7dZ8SaY0pLeRTTIw/viewform здесь]<br/> | '''Анонимные''' комментарии, замечания и пожелания можно оставить [https://docs.google.com/forms/d/1JevHn2TS5KD83KLNbwbstDUgOjF7dZ8SaY0pLeRTTIw/viewform здесь]<br/> | ||
+ | Вопросы по курсу можно и нужно задавать на странице Q&A Pizza [https://piazza.com/class/it8xri11d2r3g1 здесь]. | ||
== Семинары == | == Семинары == | ||
− | '''1) 15 | + | '''1) 15 сентября 2016:''' Метод опорных векторов. Ядра. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb IPython Notebook]] <br/> |
+ | '''2) 22 сентября 2016:''' Стохастический градиент. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem2/2_gradient_descent.ipynb IPython Notebook]] <br/> | ||
+ | '''3-4) 13 октября 2016:''' Методы обработки данных и бустинг. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem3/3_missing.ipynb IPython Notebook 1]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem4/4_boosting_adv.ipynb IPython Notebook 2]]<br/> | ||
+ | '''5-6) 20 октября 2016:''' Бустинг и нейронные сети. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem4/4_boosting_adv.ipynb IPython Notebook 1]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem5/6_mlp.ipynb IPython Notebook 2]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem6/6_tensorflow.ipynb IPython Notebook 3]]<br/> | ||
+ | '''7) 10 ноября 2016:''' Статистика: распределения и выборки. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem7/7_stat_distr.ipynb IPython Notebook 1]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem7/7_stat_select.ipynb IPython Notebook 2]] | ||
+ | |||
+ | '''8-9) 24 ноября 2016:''' Keras и XGBoost, проверка гипотез. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem8 тетрадки 1]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem9 тетрадки 2]] | ||
+ | |||
+ | '''10-11) 8 декабря 2016:''' Анализ зависимостей и регрессия. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem10 тетрадка и данные 1]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem11 тетрадка и данные 2]] | ||
== Домашние Задания == | == Домашние Задания == | ||
− | [ ДЗ 1.] ''Срок - 30 | + | [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/hw1/hw1-svm.ipynb ДЗ 1.]] [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/hw1/data.zip Данные.] ''Срок - 30 сентября 2016'' <br/> |
+ | [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/hw2/hw2-boosting.ipynb ДЗ 2.]] [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/hw2/student.zip Данные.] ''Срок - 31 октября 2016'' <br/> | ||
+ | [[http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0)/%D0%94%D0%973 ДЗ 3.]] ''Срок - 21 ноября 2016'' <br/> | ||
+ | [[http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0)/%D0%94%D0%974 ДЗ 4.]] ''Срок - 1 декабря''. Для загрузки используйте [https://www.dropbox.com/request/7wj7sgYUID6B4u8aTqGp Dropbox]. Файлы называйте просто - <last_name>-hw4.ipynb<br/> | ||
== Полезные ссылки (Будут пополняться) == | == Полезные ссылки (Будут пополняться) == | ||
+ | ''' Семинар 6''' | ||
+ | # [http://playground.tensorflow.org Neural Network interactive playground] | ||
+ | # [https://jakebian.github.io/quiver/ Conv NN Layer Visualization] | ||
+ | |||
+ | ''' Про соревнование на Kaggle''' | ||
+ | # [http://www.kdnuggets.com/2015/05/data-science-contest-leaderboard-without-reading-data.html About leaderboards] | ||
+ | |||
+ | ''' Семинар 4 ''' | ||
+ | # [http://arogozhnikov.github.io/2016/07/05/gradient_boosting_playground.html Gradient boosting interactive playground] | ||
+ | # [http://www.slideshare.net/ShangxuanZhang/kaggle-winning-solution-xgboost-algorithm-let-us-learn-from-its-author About XGBoost] | ||
+ | |||
+ | ''' Семинар 2 ''' | ||
+ | # [http://sebastianruder.com/optimizing-gradient-descent/ Про методы оптимизации в МО] | ||
+ | # [https://lukaszkujawa.github.io/gradient-descent.html Gradient Descent Demo] | ||
''' Семинар 1 ''' | ''' Семинар 1 ''' | ||
Строка 39: | Строка 65: | ||
# [http://tylervigen.com/spurious-correlations Spurious Correlations] | # [http://tylervigen.com/spurious-correlations Spurious Correlations] | ||
# [https://xkcd.com/552/ Correlation] | # [https://xkcd.com/552/ Correlation] | ||
− | |||
− | |||
'' Python '' | '' Python '' |
Текущая версия на 07:42, 8 декабря 2016
Содержание
Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-1 и ИАД-5
На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-5
Семинарист: Панов Александр [1]
При обращении по почте, начинайте тему письма со слов [Майнор ИАД]
Страница курса
Анонимные комментарии, замечания и пожелания можно оставить здесь
Вопросы по курсу можно и нужно задавать на странице Q&A Pizza здесь.
Семинары
1) 15 сентября 2016: Метод опорных векторов. Ядра. - [IPython Notebook]
2) 22 сентября 2016: Стохастический градиент. - [IPython Notebook]
3-4) 13 октября 2016: Методы обработки данных и бустинг. - [IPython Notebook 1], [IPython Notebook 2]
5-6) 20 октября 2016: Бустинг и нейронные сети. - [IPython Notebook 1], [IPython Notebook 2], [IPython Notebook 3]
7) 10 ноября 2016: Статистика: распределения и выборки. - [IPython Notebook 1], [IPython Notebook 2]
8-9) 24 ноября 2016: Keras и XGBoost, проверка гипотез. - [тетрадки 1], [тетрадки 2]
10-11) 8 декабря 2016: Анализ зависимостей и регрессия. - [тетрадка и данные 1], [тетрадка и данные 2]
Домашние Задания
[ДЗ 1.] Данные. Срок - 30 сентября 2016
[ДЗ 2.] Данные. Срок - 31 октября 2016
[ДЗ 3.] Срок - 21 ноября 2016
[ДЗ 4.] Срок - 1 декабря. Для загрузки используйте Dropbox. Файлы называйте просто - <last_name>-hw4.ipynb
Полезные ссылки (Будут пополняться)
Семинар 6
Про соревнование на Kaggle
Семинар 4
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