Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 774, осень 2012
Материал из MachineLearning.
Строка 7: | Строка 7: | ||
{{tip|<tex>\text{Not ready yet; mind the gap until the Sept. } 1^{\text{st}},\text{ the }245^{\text{th}}\text{ day in the leap year of 2012.}</tex>}} | {{tip|<tex>\text{Not ready yet; mind the gap until the Sept. } 1^{\text{st}},\text{ the }245^{\text{th}}\text{ day in the leap year of 2012.}</tex>}} | ||
- | Основная задача | + | '''Основная задача''' этой работы — предложить алгоритм выбора моделей, исследовать и проиллюстрировать его свойства, проанализировать его преимущества недостатки и особенности в сравнении с известными алгоритмами машинного обучения. |
- | Практика состоит из | + | Практика состоит из задачи, разбитой на три подзадачи-эссе с отчетом и включает постановку задачи, описание алгоритма и вычислительный эксперимент-иллюстрацию. |
- | Перед выполнением заданий рекомендуются прочитать статью [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|«Численные методы обучения по прецедентам»]], а также все, что там по ссылкам. | + | Перед выполнением заданий рекомендуются прочитать статью [[Численные методы обучения по прецедентам (практика, В.В. Стрижов)|«Численные методы обучения по прецедентам»]], а также все, что там по ссылкам, включая статью [[Автоматизация и стандартизация научных исследований (практика, В.В. Стрижов|«Автоматизация научных исследований»]]. |
- | + | '''Результат практики:''' научная статья по выбранной теме, поданная для публикации | |
+ | * в [[JMLDA]] или | ||
+ | * в английский журнал из списка Web Of Knowledge. | ||
- | + | '''Идея практики:''' любой проект (вычислительный эксперимент) может быть разбит на части, каждая из которых занимает ровно один день и может быть сделана при этом от начала и до конца. | |
- | + | ||
== Задачи == | == Задачи == | ||
Строка 33: | Строка 34: | ||
| | | | ||
|- | |- | ||
+ | | Оценка параметров совместных распределений и использование копул при построении интегральных индикаторов | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | |- | ||
+ | | Оценка ковариационных матриц параметров и зависимых переменных путем максимизации правдоподобия модели | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | |- | ||
+ | | Оценка максимума правдоподобия модели и его математического ожидания методом сэмплирования | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | |- | ||
+ | | Выбор оптимальных инвариантных преобразований в задачах тематического моделирования | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | |- | ||
+ | | Совместный выбор объектов и признаков в задачах прогнозирования временных рядов | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | |- | ||
+ | | Кластеризация смесей распределений в задачах тематического моделирования | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | | | ||
+ | |- | ||
+ | | Title7рас | ||
+ | | Author | ||
+ | | Reviewer | ||
+ | | SF | ||
+ | | Date | ||
+ | | Progress | ||
|} | |} | ||
== Оформление == | == Оформление == | ||
- | [[ | + | * Стилевой файл |
- | + | * [[JMLDA/Fig|Оформление графиков, JMLDA/Fig]] | |
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | + | ||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
[[Категория:Учебные курсы]] | [[Категория:Учебные курсы]] |
Версия 16:55, 27 августа 2012
Новое название "Регрессионный анализ"
Придумать еще более новое название.
Основная задача этой работы — предложить алгоритм выбора моделей, исследовать и проиллюстрировать его свойства, проанализировать его преимущества недостатки и особенности в сравнении с известными алгоритмами машинного обучения. Практика состоит из задачи, разбитой на три подзадачи-эссе с отчетом и включает постановку задачи, описание алгоритма и вычислительный эксперимент-иллюстрацию. Перед выполнением заданий рекомендуются прочитать статью «Численные методы обучения по прецедентам», а также все, что там по ссылкам, включая статью «Автоматизация научных исследований».
Результат практики: научная статья по выбранной теме, поданная для публикации
- в JMLDA или
- в английский журнал из списка Web Of Knowledge.
Идея практики: любой проект (вычислительный эксперимент) может быть разбит на части, каждая из которых занимает ровно один день и может быть сделана при этом от начала и до конца.
Задачи
Название задачи | Работу выполняет | Рецензент | Ссылка SF | Дата доклада | Комментарии |
---|---|---|---|---|---|
Шаблон отчета о вычислительном эксперименте | Welcome! | Welcome! | Surname2011Title | 21.09 - обсуждаем расписание докладов | |
Оценка параметров совместных распределений и использование копул при построении интегральных индикаторов | |||||
Оценка ковариационных матриц параметров и зависимых переменных путем максимизации правдоподобия модели | |||||
Оценка максимума правдоподобия модели и его математического ожидания методом сэмплирования | |||||
Выбор оптимальных инвариантных преобразований в задачах тематического моделирования | |||||
Совместный выбор объектов и признаков в задачах прогнозирования временных рядов | |||||
Кластеризация смесей распределений в задачах тематического моделирования | |||||
Title7рас | Author | Reviewer | SF | Date | Progress |
Оформление
- Стилевой файл
- Оформление графиков, JMLDA/Fig