Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Новая страница: «__TOC__ == Майнор по курсу "Современные методы машинного обучения" - 2017/2018 учебный год - ИАД-1 и…»)
 
Строка 9: Строка 9:
 
''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' <br/>
 
''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' <br/>
 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь]<br/>.
 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь]<br/>.
 +
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17]<br/>.
  
 
== Семинары ==
 
== Семинары ==

Версия 11:18, 7 сентября 2017

Майнор по курсу "Современные методы машинного обучения" - 2017/2018 учебный год - ИАД-1 и ИАД-2

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

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
. Репозиторий курса - https://github.com/grafft/hse-tasks/tree/master/minor-aml-17
.

Семинары

1) 7 сентября 2017: Метод опорных векторов. Ядра. - [IPython Notebook]


Домашние Задания

Полезные ссылки (Будут пополняться)

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