Классификатор исполнителей Last.fm (проект) — различия между версиями
Материал из Wiki - Факультет компьютерных наук
(Новая страница, с помощью формы Новый_проект) |
|||
| (не показаны 4 промежуточные версии 2 участников) | |||
| Строка 2: | Строка 2: | ||
|name=Классификатор исполнителей Last.fm | |name=Классификатор исполнителей Last.fm | ||
|mentor=Антон Галаев | |mentor=Антон Галаев | ||
| − | |mentor_login={{URLENCODE: | + | |mentor_login={{URLENCODE:Antongalaev|WIKI}} |
|semester=Весна 2015 | |semester=Весна 2015 | ||
|course=1 | |course=1 | ||
| − | |summer= | + | |summer=on |
|categorize=yes | |categorize=yes | ||
| + | |is_archived=yes | ||
}} | }} | ||
=== Что это за проект? === | === Что это за проект? === | ||
| − | В результате должна получиться программа, позволяющая на основе данных пользователя Last.fm и данных об исполнителе, дать пользователю ответ на вопрос: стоит ли слушать этого исполнителя? Предполагается использование простого алгоритма машинного обучения, например, логистической регрессии. Таким образом, данные пользователя (прослушивания) могут быть использованы в качестве обучающей выборки, а различные данные об исполнителе в качестве параметров регрессии. | + | В результате должна получиться программа, позволяющая на основе данных пользователя Last.fm и данных об исполнителе, дать пользователю ответ на вопрос: стоит ли слушать этого исполнителя? Предполагается использование простого алгоритма машинного обучения, например, логистической регрессии (для этого могут быть использованы сторонние библиотеки). Таким образом, данные пользователя (прослушивания) могут быть использованы в качестве обучающей выборки, а различные данные об исполнителе в качестве параметров регрессии. |
=== Чему вы научитесь? === | === Чему вы научитесь? === | ||
| Строка 25: | Строка 26: | ||
* JSON/XML | * JSON/XML | ||
* HTTP | * HTTP | ||
| − | * | + | * Java, C++ или Python |
| + | * HTML/Javascript/CSS | ||
* Amazon Web Services или Google App Engine (в случае разработки веб-сервиса) | * Amazon Web Services или Google App Engine (в случае разработки веб-сервиса) | ||
| + | * Библиотеки алгоритмов машинного обучения | ||
=== Темы вводных занятий === | === Темы вводных занятий === | ||
| + | * Основы разработки веб-приложений | ||
* Логистическая регрессия | * Логистическая регрессия | ||
=== Направления развития === | === Направления развития === | ||
* Реализация проекта в виде веб-сервиса | * Реализация проекта в виде веб-сервиса | ||
| + | * Реализация алгоритма регрессии самостоятельно, без использования сторонних библиотек | ||
* Увеличение количества параметров регрессии (более полное использование данных об исполнителе) | * Увеличение количества параметров регрессии (более полное использование данных об исполнителе) | ||
* Использование многопоточности | * Использование многопоточности | ||
| Строка 38: | Строка 43: | ||
=== Критерии оценки === | === Критерии оценки === | ||
| − | * | + | * 4-5 - проект реализован в виде десктопного приложения |
| − | * | + | * 6-7 - проект реализован в виде веб-сервиса |
| − | * | + | * 8-10 - проект реализован в виде веб-сервиса + выполнены какие-либо из следующих требований: эффективно используются данные об исполнителе, алгоритм реализован самостоятельно (не библиотека), использована многопоточность, удобный интерфейс |
Текущая версия на 10:43, 20 октября 2015
| Ментор | Антон Галаев |
| Учебный семестр | Весна 2015 |
| Учебный курс | 1-й курс |
| Проект можно развивать на летней практике | |
| Внимание! Данный проект находится в архиве и реализован не будет. |
Что это за проект?
В результате должна получиться программа, позволяющая на основе данных пользователя Last.fm и данных об исполнителе, дать пользователю ответ на вопрос: стоит ли слушать этого исполнителя? Предполагается использование простого алгоритма машинного обучения, например, логистической регрессии (для этого могут быть использованы сторонние библиотеки). Таким образом, данные пользователя (прослушивания) могут быть использованы в качестве обучающей выборки, а различные данные об исполнителе в качестве параметров регрессии.
Чему вы научитесь?
- Использовать RESTful API
- Применять машинное обучение для решения практических задач
- Писать хороший поддерживаемый код
Какие начальные требования?
- Умение программировать
- Желание познакомиться с базовыми принципами машинного обучения
- Интерес к музыке, использованию Last.fm
Какие будут использоваться технологии?
- JSON/XML
- HTTP
- Java, C++ или Python
- HTML/Javascript/CSS
- Amazon Web Services или Google App Engine (в случае разработки веб-сервиса)
- Библиотеки алгоритмов машинного обучения
Темы вводных занятий
- Основы разработки веб-приложений
- Логистическая регрессия
Направления развития
- Реализация проекта в виде веб-сервиса
- Реализация алгоритма регрессии самостоятельно, без использования сторонних библиотек
- Увеличение количества параметров регрессии (более полное использование данных об исполнителе)
- Использование многопоточности
- Разработка красивого и удобного интерфейса
Критерии оценки
- 4-5 - проект реализован в виде десктопного приложения
- 6-7 - проект реализован в виде веб-сервиса
- 8-10 - проект реализован в виде веб-сервиса + выполнены какие-либо из следующих требований: эффективно используются данные об исполнителе, алгоритм реализован самостоятельно (не библиотека), использована многопоточность, удобный интерфейс
