Современные методы машинного обучения (курс майнора) ИАД3-7 — различия между версиями
Agrachev (обсуждение | вклад) |
Agrachev (обсуждение | вклад) (→Семинары) |
||
Строка 24: | Строка 24: | ||
[http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 Стохастический градиент на machinelearning.ru] | [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 Стохастический градиент на machinelearning.ru] | ||
− | '''3) 29 Сентября 2016:''' | + | '''3) 29 Сентября 2016:''' Предобработка данных. <br/> |
+ | [[http://bit.ly/2dtjsRz Notebook]] <br/> | ||
== Домашние Задания == | == Домашние Задания == |
Версия 19:52, 2 октября 2016
Содержание
Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-3 и ИАД-7
На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-3 и ИАД-7
Семинарист: Артем Грачев
Почта курса: hse.minor.dm@gmail.com
По просьбам учащихся отдельная почта для наших групп: hse.minor.aml.2016.iad37@gmail.com
Можете писать на любую из них
При обращении по почте, начинайте тему письма со слов [Майнор ИАД-N], где N - номер группы.
Страница курса
Вы можете оставить анонимный отзыв: GoogleForm
Семинары
1) 15 Сентября 2016: Метод опорных векторов. Ядра.
IPython Notebook
2) 22 Сентября 2016: Оптимизация. Градиентный спуск.
Data&Notebook
An overview of gradient descent optimization algorithms
Стохастический градиент на machinelearning.ru
3) 29 Сентября 2016: Предобработка данных.
[Notebook]
Домашние Задания
Формулировка и данные
[ ДЗ 1.] Срок - 30 Сентября 2016
В теме письма указывать [Майнор ИАД-N ДЗ-1], где N -- номер группы
UPD! Срок сдачи продлен до 2 октября 2016 года
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