Машинное обучение 2017 — различия между версиями

Материал из SEWiki
Перейти к: навигация, поиск
м
м
Строка 15: Строка 15:
 
12. [http://mit.spbau.ru/sewiki/images/b/b9/ML17-Lecture12.pdf 10 мая, "Методы восстановления регрессии"] <br/>
 
12. [http://mit.spbau.ru/sewiki/images/b/b9/ML17-Lecture12.pdf 10 мая, "Методы восстановления регрессии"] <br/>
 
13. [http://mit.spbau.ru/sewiki/images/e/e6/ML17-Lecture13.pdf 17 мая, "Ансамбли"] <br/>
 
13. [http://mit.spbau.ru/sewiki/images/e/e6/ML17-Lecture13.pdf 17 мая, "Ансамбли"] <br/>
 +
 +
== Вопросы к экзамену. ==
 +
 +
[http://mit.spbau.ru/sewiki/images/4/47/ML17-ExamQuestions.pdf Вопросы]
 +
 
<!--  
 
<!--  
 
== Комментарии к лекциям ==
 
== Комментарии к лекциям ==
Строка 22: Строка 27:
 
Размер матрицы V (l x n). Для неквадратных матриц условие ортогональности раздельное по строкам и столбцам. Таким образом из условия V^T V = I не следует что V V^T = I (см [https://en.wikipedia.org/wiki/Orthogonal_matrix#Rectangular_matrices здесь])
 
Размер матрицы V (l x n). Для неквадратных матриц условие ортогональности раздельное по строкам и столбцам. Таким образом из условия V^T V = I не следует что V V^T = I (см [https://en.wikipedia.org/wiki/Orthogonal_matrix#Rectangular_matrices здесь])
 
-->
 
-->
 
 
== Конспекты лекций ==
 
== Конспекты лекций ==
  
Строка 41: Строка 45:
 
Конспект ведут Надежда Бугакова, Анастасия Гайдашенко, Александра Малышева и Ольга Черникова. <br/>
 
Конспект ведут Надежда Бугакова, Анастасия Гайдашенко, Александра Малышева и Ольга Черникова. <br/>
 
Комментарии и правки приветствуются.<br/>
 
Комментарии и правки приветствуются.<br/>
 
== Вопросы к экзамену. ==
 
 
[http://mit.spbau.ru/sewiki/images/4/47/ML17-ExamQuestions.pdf Вопросы]
 
  
 
== Домашние задания. ==
 
== Домашние задания. ==

Версия 13:41, 6 июня 2017

Лекции — Екатерина Тузова (kt@jetbrains.com)

Лекции

1. 15 февраля, "Введение"
2. 22 февраля, "Метрические классификаторы"
3. 1 марта, "Кластеризация"
4. 15 марта, "Деревья принятия решений"
5. 22 марта, "Байесовские методы классификации"
6. 29 марта, "Перцептрон"
7. 5 апреля, "Способность к обобщению"
8. 12 апреля, "Нейронные сети"
9. 19 апреля, "Метод опорных векторов"
10. 26 апреля, "Линейная регрессия"
11. 3 мая, "Анализ смещения и разброса"
12. 10 мая, "Методы восстановления регрессии"
13. 17 мая, "Ансамбли"

Вопросы к экзамену.

Вопросы

Конспекты лекций

1. "Введение"
2. "Метрические методы классификации"
3. "Кластеризация"
4. "Деревья принятия решений"
5. "Байесовские методы классификации"
6. "Линейные методы классификации"
7. "Способность к обобщению"
8. "Нейронные сети"
9. "Метод опорных векторов"
10. "Линейная регрессия"
11. "Анализ смещения и разброса"
12. "Восстановление регрессии"
13. "Ансамбли"

Конспект ведут Надежда Бугакова, Анастасия Гайдашенко, Александра Малышева и Ольга Черникова.
Комментарии и правки приветствуются.

Домашние задания.

Адрес, на который надо присылать решения -- machine.teaching@gmail.com.
В теме письма должно быть написано "Домашняя работа N Иванов", где вместо Иванов надо поставить свою фамилию, а вместо N -- номер домашней работы.

1. Соседи и вино
Дедлайн (20 баллов): 03.03.17 23:59
Дедлайн (10 баллов): 10.03.17 23:59

Условие — Домашнее задание 1

2. Comic-Con и k-means
Дедлайн (20 баллов): 10.03.17 23:59
Дедлайн (10 баллов): 17.03.17 23:59

Условие — Домашнее задание 2

3. Одеревенеть от страха
Дедлайн (20 баллов): 23.03.17 23:59
Дедлайн (10 баллов): 30.03.17 23:59

Условие — Домашнее задание 3

4. Байес на страже SMS
Дедлайн (20 баллов): 30.03.17 23:59
Дедлайн (10 баллов): 06.04.17 23:59

Условие — Домашнее задание 4

5. Индейцы пима и линейный классификатор
Дедлайн (20 баллов): 13.04.17 23:59
Дедлайн (10 баллов): 20.04.17 23:59

Условие — Домашнее задание 5

6. Каракули и нейросети
Дедлайн (20 баллов): 20.04.17 23:59
Дедлайн (10 баллов): 27.04.17 23:59

Условие — Домашнее задание 6

7. Ядра SVM
Дедлайн (20 баллов): 27.04.17 23:59
Дедлайн (10 баллов): 04.05.17 23:59

Условие — Домашнее задание 7

8. Недвижимость и регрессия
Дедлайн (20 баллов): 11.05.17 23:59
Дедлайн (10 баллов): 18.05.17 23:59

Условие — Домашнее задание 8

Примеры решений

Летучки в начале лекции.

22 февраля
1 марта
15 марта
22 марта
29 марта
5 апреля
12 апреля
19 апреля
26 апреля
3 мая
10 мая
17 мая

Результаты

Результаты

12 опросов по 5 баллов в начале лекции.
8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.
Экзамен 180 баллов

Оценки за курс: 300 баллов -- отлично, 250 баллов -- хорошо, 200 баллов -- удовлетворительно

Дополнительные источники по машинному обучению

Дополнительные источники по Python