Современные методы машинного обучения (курс майнора) ИАД2-6 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(→‎Полезные ссылки (Будут пополняться))
(→‎Семинары)
Строка 17: Строка 17:
  
 
== Семинары ==
 
== Семинары ==
−
'''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/>
+
'''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://bit.ly/2cqeQ20 Data&Notebook]] <br/>
+
'''2) 22 сентября 2016:''' Стохастический градиент - [http://bit.ly/2cqeQ20 Data&Notebook]<br/>
−
'''3) 29 Сентября 2016:''' Предобработка данных. - [[http://bit.ly/2dtjsRz Notebook]] <br/>
+
'''3) 29 сентября 2016:''' Предобработка данных - [http://bit.ly/2dtjsRz Notebook] <br/>
−
'''4) 6 Октября 2016:''' Предобработка данных 2 - [[https://www.dropbox.com/sh/xki4ui31gdbm42d/AABw9_z02RDt67RSf7vkN1U5a?dl=0 Notebook]] <br/>
+
'''4) 6 октября 2016:''' Предобработка данных 2 - [https://www.dropbox.com/sh/xki4ui31gdbm42d/AABw9_z02RDt67RSf7vkN1U5a?dl=0 Notebook]<br/>
−
'''5) 20 Октября 2016:''' Bagging.RF.Boosting - [[https://www.dropbox.com/s/hvbben268yd7l5p/baggingRFBoosting.zip?dl=0 Notebook]] <br/>
+
'''5) 20 октября 2016:''' Bagging. RF. Boosting - [https://www.dropbox.com/s/hvbben268yd7l5p/baggingRFBoosting.zip?dl=0 Notebook] <br/>
−
'''6) 20 Октября 2016:''' Multilayered Perceptron - [https://www.dropbox.com/s/pq0tsya61uljr9w/6.MLP.ipynb?dl=0 Notebook]] <br/>
+
'''6) 20 октября 2016:''' Multilayered Perceptron - [https://www.dropbox.com/s/pq0tsya61uljr9w/6.MLP.ipynb?dl=0 Notebook]<br/>
 +
'''7) 10 ноября 2016:''' Градиентный бустинг, Xgboost - [http://nbviewer.jupyter.org/github/cs-hse/ML_DM_HSE_minor/blob/master/module3_advanced_ML_notebooks/seminar7_boosting/part01_boosting.ipynb Начало] <br/>
 +
 
 
== Домашние Задания ==
 
== Домашние Задания ==
 
[[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/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/>

Версия 01:51, 16 ноября 2016

Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6

Семинарист: Кашницкий Юрий Савельевич, e-mail: yury.kashnitsky@gmail.com
Ассистент: Айбек Аланов, e-mail: alanov.aibek@gmail.com

Все новости, вопросы и обсуждения - в форуме Piazza.

Материалы - в репозитории GitHub.

Страница курса

Таблица с оценками [1]
Результирующая оценка по дисциплине рассчитывается по формуле: Oитог=0.7 Oнакопл+0.3 Oэкз
Накопленная оценка рассчитывается по формуле: Oнакопл=0.15 Oсамост+0.15 Oауд+0.5 Oдз+0.2 Oколлоквиум
Анонимные комментарии, замечания и пожелания можно оставить здесь

Семинары

1) 15 сентября 2016: Метод опорных векторов. Ядра - IPython Notebook
2) 22 сентября 2016: Стохастический градиент - Data&Notebook
3) 29 сентября 2016: Предобработка данных - Notebook
4) 6 октября 2016: Предобработка данных 2 - Notebook
5) 20 октября 2016: Bagging. RF. Boosting - Notebook
6) 20 октября 2016: Multilayered Perceptron - Notebook
7) 10 ноября 2016: Градиентный бустинг, Xgboost - Начало

Домашние Задания

[ДЗ 1.] Данные. Срок - 30 Сентября 2016
[ДЗ 2.] Статья Срок - 26 Октября 2016

Полезные ссылки

Семинар 1

  1. Пример работы полиномиального ядра
  2. Описание ядер
  3. Еще про SVM

Pandas & Seaborn

  1. Pandas
  2. Effective Pandas
  3. Pandas Cheat-Sheet
  4. Pandas Visualization
  5. Seaborn

Наборы данных

  1. Портал Открытых Данных РФ
  2. Funny Datasets
  3. Сборник Открытых Данных (!!!)
  4. Еще наборы данных

FYI

  1. Spurious Correlations
  2. Correlation

Семинар 1

Python

  1. PEP-8 Code Style Guide Cheat-sheet
  2. Python Tutorials Point
  3. Matplotlib Tutorial
  4. Matrix Manipulation Cheat-sheet
  5. Ipython Notebook
  6. Beaker Notebook
  7. yhat Rodeo

Ресурсы и Книги

  1. James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning
  2. Bishop — Pattern Recognition and Machine Learning (первые главы)
  3. MachineLearning.ru
  4. Kaggle
  5. UCI Repo
  6. Visual Intro to ML

Онлайн Курсы

  1. Andrew Ng's Course
  2. Introduction to ML
  3. Learning Data Science with Python
  4. Курс от ВШЭ
  5. Обзор МООС Курсов
Источник — «http://wiki.cs.hse.ru/index.php?title=Современные_методы_машинного_обучения_(курс_майнора)_ИАД2-6&oldid=21719»