Реализация алгоритма спектральных вложений Грассмана-Штифеля в рамках библиотеки scikit-learn (проект) — различия между версиями
| Строка 8: | Строка 8: | ||
|number_of_students=5 | |number_of_students=5 | ||
|categorize=yes | |categorize=yes | ||
| + | |is_archived=yes | ||
}} | }} | ||
Текущая версия на 19:19, 18 октября 2017
| Ментор | Янович Юрий |
| Учебный семестр | Осень 2016 |
| Учебный курс | 2-й курс |
| Проект можно развивать на летней практике | |
| Максимальное количество студентов, выбравших проект: 5 | |
| Внимание! Данный проект находится в архиве и реализован не будет. |
Что это за проект?
Целью проекта является расширение раздела "обучения на многообразиях" популярной библиотеки scikit-learn путем добавления одного алгоритма --- спектральных вложений Грассмана-Штифеля. Алгоритм представляет особый интерес, так как является асимптотически оптимальным для решения рассматриваемой задачи. Результатом проекта станет программный код, который будет реализовать отображение сжатия для снижения размерности и отображение восстановления.
Чему вы научитесь?
Знакомство с бурно развивающейся облостью машинного обучения --- оцениванием многообразий. Работа с системами контроля версий. Вклад в развитие популярной библиотеки scikit-learn на языке Python.
Какие начальные требования?
Базовые навыки программирования, желание разобраться в Python, Git, Manifold Learning
Какие будут использоваться технологии?
Git, Python
Темы вводных занятий
Основы Git, разработка scikit-learn, Manifold Learning
Направления развития
Алгоритм спектральных вложений Грассмана-Штифеля является многошаговым. На каждом его шаге есть вопросы для исследования и варианты улучшения.
Критерии оценки
4-5: реализовать алгоритм на Python в рамках scikit-learn 6-7: задокументировать в формате библиотеки 8-10: сделать успешный коммит кода в проект/протестировать работу алгоритма на реальных и модельных данных
Ориентировочное расписание занятий
ПН: 10:30-15:00 ВТ,ЧТ,СБ: 9:00-20:00 СР, ПТ: малодоступен
