Современные методы машинного обучения (курс майнора) — различия между версиями
Aumnov (обсуждение | вклад) (→Материалы) |
|||
| Строка 72: | Строка 72: | ||
== Материалы == | == Материалы == | ||
| + | |||
| + | === Книги === | ||
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014. | * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014. | ||
| − | * Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006. | + | * Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006. [http://www.springer.com/br/book/9780387310732 первые главы] |
| + | * [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning] | ||
| + | |||
| + | === Ресурсы === | ||
| + | |||
| + | * [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru] | ||
Версия 18:46, 17 сентября 2016
Содержание
О курсе
Оценка за курс
Оценка за курс складывается из:
- Домашние работы (в том числе соревнования).
- Проверочные работы на семинарах.
- Аудиторная работа.
- Коллоквиум в конце 1 модуля.
- Экзамен.
Оценка вычисляется по следующим формулам:
ИТОГ = 0.7 * НАКОПЛЕННАЯ + 0.3 * ЭКЗАМЕН
НАКОПЛЕННАЯ = 0.15 * ПРОВЕРОЧНЫЕ + 0.15 * АУДИТОРНАЯ + 0.5 * ДЗ + 0.2 * КОЛЛОКВИУМ.
Также накопленная оценка может быть повышена за получение призовых мест на соревновании.
На усмотрение семинариста и лектора могут выставляться автоматы (при условии отличной накопленной оценки).
Обратная связь
По вопросам касательно лекций можете писать на alexeyum@gmail.com, добавляя строку "[Майнор ИАД]" в заголовок письма.
По этой ссылке можно оставить анонимный отзыв или предложение для курса: https://goo.gl/forms/JJEqdPLfikko3Na23
Учебный процесс
Лекции
1 модуль
Лекции 1 и 2 (1 сентября). Метод опорных векторов, ядра. Слайды.
Лекция 3 (15 сентября). Методы оптимизации. Слайды.
(Планируемые)
Лекция 4. Методы обработки данных.
Лекция 5. Бустинг.
Лекция 6. Матричные разложения.
Лекция 7. Нейронные сети.
Лекция 8. Продвинутые методы кластеризации.
2 модуль
(Будет объявлено позже)
Домашние задания
- ДЗ 1. Формулировка и данные, cрок - 30 сентября 2016
Страницы групп
Материалы
Книги
- Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
- Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006. первые главы
- James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning
