Алгебра над алгоритмами и эвристический поиск закономерностей
Материал из MachineLearning.
(→Заседания 2018—2019 уч. года) |
(→Заседания 2018—2019 уч. года) |
||
Строка 33: | Строка 33: | ||
В докладе будут рассмотрены основные принципы и идеи построения архитектур нейронных сетей, использующихся в современном глубинном обучении. | В докладе будут рассмотрены основные принципы и идеи построения архитектур нейронных сетей, использующихся в современном глубинном обучении. | ||
- | | [[Media: | + | | [[Media:Overview_of_Deep_Learning_Instruments.pdf|слайды]] |
+ | sec. 1-2 | ||
|- | |- | ||
Строка 49: | Строка 50: | ||
Во второй части доклада будут рассмотрены способы обучения представлению данных и методы построения генеративных моделей. | Во второй части доклада будут рассмотрены способы обучения представлению данных и методы построения генеративных моделей. | ||
- | | | + | | [[Media:Overview_of_Deep_Learning_Instruments.pdf|слайды]] |
- | + | sec. 3-4 | |
|- | |- |
Версия 18:54, 1 октября 2018
Руководитель спецсеминара: д.ф.-м.н., профессор Дьяконов Александр Геннадьевич
Направления работы на спецсеминаре
|
В рамках работы на спецсеминаре есть два направления исследования:
- Теоретическое. Проводится в рамках алгебраического подхода к решению задач распознавания. Суть подхода: на алгоритмах, которые решают задачи обработки и анализа данных, специальным образом вводятся алгебраические операции. Например, можно складывать алгоритмы (получается опять алгоритм), умножать и т. д. Среди получаемых алгебраических выражений над «естественными» алгоритмами есть высокоэффективные алгоритмы. На спецсеминаре рассматриваются вопросы: как их строить, анализировать, реализовывать на ЭВМ и т. д. и т. п. Здесь же возникают задачи современной теории интерполяции: построения функций специального вида, заданных частично. Можно заниматься дискретным направлением: решать подобные задачи для функций, принимающих значения 0 и 1. Данное направление представляет особую ценность студентам, которые хотят получить самостоятельные результаты в науке и продолжить обучение в аспирантуре.
- Прикладное. Решаются реальные прикладные задачи анализа данных (data mining). Например, построение рекомендательных систем, прогнозирование свойств динамических графов (в том числе и графов социальных сетей), прогнозирование поведения потребителей, анализ метаданных, классификация сигналов головного мозга, классификация сигналов-показаний работы механизмов, настройка спам-фильтров, автоматическая рубрикация текстов, прогнозирование финансовых временных рядов. От студентов требуется желание глубоко понять задачу (данные и скрытые в них закономерности), умение быстро осваивать новые методы (в незнакомой области), хорошо программировать, выдвигать гипотезы и фантазировать (последнее очень важно).
См. также «Правила для постоянных участников». |
Заседания спецсеминара
В осеннем семестре 2018 года заседания будут проходить по понедельникам, начиная с 17 сентября, раз в две недели (через одну), начало в 18:20, ауд. 508. Вход свободный. |
Заседания 2018—2019 уч. года
Дата | Докладчик | Доклад | Материалы |
---|---|---|---|
17 сентября 2018 | Иванов Сергей Максимович (517) | Обзор инструментов глубинного обучения ч.1
В докладе будут рассмотрены основные принципы и идеи построения архитектур нейронных сетей, использующихся в современном глубинном обучении. | слайды
sec. 1-2 |
17 сентября 2018 | Медведев Алексей Владимирович (417) | «Мета-обучение»
| слайды |
01 октября 2018 | Иванов Сергей Максимович (517) | Обзор инструментов глубинного обучения ч.2
Во второй части доклада будут рассмотрены способы обучения представлению данных и методы построения генеративных моделей. | слайды
sec. 3-4 |
01 октября 2018 | Каюмов Эмиль Марселевич (617) | Short intro to RL
Поговорим про особенности обучения с подкреплением, пройдёмся верхами по основным подходам и структуризируем их. | |
15 октября 2018 | Амир Мирас Сабыргалиулы (617) | ... |
|
15 октября 2018 | Коваленко Павел Антонович (617) | ... | |
29 октября 2018 | Гурьянова Валерия Николаевна (асп) | ... |
Участники
Участник | План работы | Комментарий |
---|---|---|
Каюмов Эмиль Марселевич (617) | https://github.com/emilkayumov/activity-report-2018 | |
Амир Мирас Сабыргалиулы (617) | https://github.com/amirassov/research-nlp | |
Коваленко Павел Антонович (617) | https://github.com/pashakovalenko/masters_diploma | |
Иванов Сергей Максимович (517) | https://github.com/FortsAndMills/Learning-Reinforcement-Learning | |
Mедведев Алексей Владимирович (417) | https://github.com/doorinthewall/diary_of_science_work | |
Демин Георгий Александрович (317) | ||
Лебедь Федор Сергеевич (317) | https://gitlab.com/fedor-lebed/mmp2018 | |
Попов Дмитрий Олегович (317) | https://gitlab.com/aredosbyk/mmp2018 | |
Гурьянова Валерия Николаевна (асп) | https://valeriiads.blogspot.com/ |
Заседния в предыдущих семестрах:
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2016-2017 уч. года.
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2015-2016 уч. года.
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2014-2015 уч. года.
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2013—2014 уч. года (осенний семестр).
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2012-2013 уч. года (весенний семестр).
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2012-2013 уч. года (осенний семестр).
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2011-2012 уч. года (весенний семестр).
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2011-2012 уч. года (осенний семестр).
- Алгебра над алгоритмами и эвристический поиск закономерностей/Заседания 2010-2011 уч. года (весенний семестр).
Участники прошлых лет
Год выпуска | Участники |
---|---|
2018 бак |
Иванов Сергей
|
2017 бак |
Никишин Евгений
Каюмов Эмиль
Севастопольский Артём
|
2018 маг |
Викулин Всеволод
Кудрявцев Георгий
Рысьмятова Анастасия
Вихрева Мария
|
2017 маг |
Кибитова Валерия
Гурьянов Алексей
|
аспиранты 1 г.о. |
Трофимов Михаил
|
аспиранты 3 г.о. |
|
Выпускники спецсеминара
Год выпуска | Выпускники |
---|---|
Аспирант, 2010 |
Карпович Павел
Диссертация: «K-сингулярные системы точек в алгебраическом подходе к распознаванию образов» (2010, успешно защищена 18.02.2011 по специальности 01.01.09). |
2015 бак |
Славнов Константин
|
2015 |
Харациди Олег
|
2014 |
|
2013 |
Бобрик Ксения
Ермушева Александра
Кириллов Александр
Кондрашкин Дмитрий (перевёлся на другой спецсеминар)
|
2012 |
|
2010 |
Ахламченкова Ольга
Токарева (Одинокова) Евгения
|
2009 |
Власова Юлия
Логинов Вячеслав
Фёдорова Валентина
Чучвара Алексндра (бакалавр)
|
2008 |
Ломова Дарья
Вершкова Ирина
|
2007 |
Кнорре Анна
Карпович Павел
Сиваченко Евгений
|
2006 |
Ховратович (Курятникова) Татьяна
Мошин Николай
|
2005 |
Каменева Наталия
Силкин Леонид
|
Некоторые решаемые прикладные задачи
- Прогнозирование временных рядов По характеристикам процесса в прошлом предсказать поведение в будущем. Знание о прошлом может быть неполным или ошибочным. Типичный пример: прогнозирование денежных сумм, которые будут сниматься с банкомата в течение следующей недели.
- Классификация технических сигналов и сигналов головного мозга По описанию изменения некоторой характеристики процесса необходимо определить её класс. Например, по электрокортикограмме определить ментальное состояние человека. При этом обучающая выборка (данные, которые у нас есть) была собрана достаточно давно, а тестирование алгоритма будет проводиться потом (при изменённых внешних условиях, а следовательно, при изменённых характеристиках данных).
- Фильтрация спама Настроить спам-фильтр на некотором универсальном обучающем множестве (данных спам-ловушек) так, чтобы он хорошо работал на компьютере конкретного пользователя (без дополнительной донастройки).
- Иерархическая классификация текстов Написать алгоритм автоматической категоризации документов. Например, новостные рассылки необходимо распределить по каталогам «спорт/футбол», «спорт/биатлон», «музыка/концерты», «музыка/рок/исполнители» и т. д.
- Ранжирование документов на основе обучающего множества Написать алгоритм, который оценивает релевантность документа поисковому запросу. Для фиксированного запроса упорядочить документы (используя их признаковые описания) так, чтобы порядок отражал «адекватность» запроса.
- Прогноз связности графа социальной сети Предсказать изменения динамического графа социальной сети, в частности, появление новых рёбер.
- Прогнозирование успешности грантов и проектов По описанию заявки оценить перспективность выполнения данного проекта.
- Разработка рекомендательного алгоритма, который делает актуальные предложения купить какой-то товар, воспользоваться услугой или прочитать материал.
- Предсказывание визитов покупателей и сумм покупок для сети супермаркетов Разработка алгоритма, который предсказывает дату первого визита и сумму покупки каждого клиента.
- Оценка фотографий по метаданным Прогноз «интересности» фото-материалов на основе анализа названия, описания, GPS-координат съёмки и т.п.
- Задача кредитного скоринга Прогнозирование надёжности клиента банка по обязательствам выплаты процентов кредита.