Численные методы обучения по прецедентам (практика, В.В. Стрижов)/Группа 774, осень 2012
Материал из MachineLearning.
(→Задачи) |
|||
Строка 31: | Строка 31: | ||
| Welcome! | | Welcome! | ||
| [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Surname2011Title Surname2011Title] | | [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Surname2011Title Surname2011Title] | ||
- | | | + | | ~5.9 - обсуждаем расписание докладов |
| | | | ||
|- | |- | ||
Строка 83: | Строка 83: | ||
| Progress | | Progress | ||
|} | |} | ||
+ | |||
== Оформление == | == Оформление == | ||
* Стилевой файл | * Стилевой файл |
Версия 17:10, 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 | ~5.9 - 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