Современные методы машинного обучения (курс майнора) ИАД1-5 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
Строка 12: Строка 12:
  
 
== 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://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem2/2_gradient_descent.ipynb IPython Notebook]] <br/>
+
'''2) 22 сентября 2016:''' Стохастический градиент. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem2/2_gradient_descent.ipynb IPython Notebook]] <br/>
 +
'''3-4) 13 октября 2016:''' Методы обработки данных и бустинг. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem3/3_missing.ipynb IPython Notebook 1]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem4/4_boosting.ipynb IPython Notebook 2]]<br/>
  
−
== 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/>
 
  
 +
== 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/hw2/hw2-boosting.ipynb ДЗ 2.]] [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/hw2/student.zip Данные.] ''Срок - 23 октября 2016'' <br/>
  
 
== Полезные ссылки (Будут пополняться) ==
 
== Полезные ссылки (Будут пополняться) ==
 +
''' Семинар 2 '''
 +
# [http://sebastianruder.com/optimizing-gradient-descent/ Про методы оптимизации в МО]
 +
# [https://lukaszkujawa.github.io/gradient-descent.html Gradient Descent Demo]
  
 
''' Семинар 1 '''
 
''' Семинар 1 '''
Строка 42: Строка 47:
 
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
 
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
 
# [https://xkcd.com/552/ Correlation]
 
# [https://xkcd.com/552/ Correlation]
−
 
−
''' Семинар 1 '''
 
  
 
'' Python ''
 
'' Python ''

Версия 21:09, 12 октября 2016

Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-1 и ИАД-5

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-5

Семинарист: Панов Александр [1]
При обращении по почте, начинайте тему письма со слов [Майнор ИАД]

Страница курса
Анонимные комментарии, замечания и пожелания можно оставить здесь
Вопросы по курсу можно и нужно задавать на странице Q&A Pizza здесь.

Семинары

1) 15 сентября 2016: Метод опорных векторов. Ядра. - [IPython Notebook]
2) 22 сентября 2016: Стохастический градиент. - [IPython Notebook]
3-4) 13 октября 2016: Методы обработки данных и бустинг. - [IPython Notebook 1], [IPython Notebook 2]


Домашние Задания

[ДЗ 1.] Данные. Срок - 30 сентября 2016
[ДЗ 2.] Данные. Срок - 23 октября 2016

Полезные ссылки (Будут пополняться)

Семинар 2

  1. Про методы оптимизации в МО
  2. Gradient Descent Demo

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

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)_ИАД1-5&oldid=21195»