Машинное обучение 2 осень 2017 — различия между версиями
Материал из SEWiki
(→Семинар) |
(→План лекций:) |
||
| Строка 4: | Строка 4: | ||
== План лекций: == | == План лекций: == | ||
| − | + | 1. Введение в область | |
| − | + | 2. Анализ задачи | |
| − | + | a. Сэмплирование и размерность задачи | |
| − | + | b. Уменьшение размерности: feature selection | |
| − | + | c. Уменьшение размерности: feature extraction | |
| − | + | d. Embedded модели на линейном примере (LASSO, LARS, etc.) | |
| − | + | 3. Практическая оценка методов машинного обучения | |
| − | + | 4. Теоретическая оценка | |
| − | + | 5. Основные принципы построения целевых функций | |
| − | + | 6. Необычные факторы в обучении | |
| − | + | a. Обучение на последовательностях | |
| − | + | b. Рекомендательные системы | |
| − | + | 7. Построение целевых функций | |
| − | + | 8. Введение в online обучение | |
| − | + | 9. Несколько подходов к построению решающей функции | |
| − | + | a. Сэмплирование пространства решений и NFLT | |
| − | + | b. Введение в байесовское моделирование | |
| − | + | c. Сегментация пространства задачи (деревья, кластеризация, :)) | |
| − | + | d. Ансамбли (BOC->Boosting) | |
| − | + | 10. История решения одной практической задачи (MLR) | |
== Презентации: == | == Презентации: == | ||
[[Файл:Ml-1.pdf]] Лекция №1. Введение в область. | [[Файл:Ml-1.pdf]] Лекция №1. Введение в область. | ||
Версия 18:21, 8 сентября 2017
Семинар
Преподаватель: Кураленок И. Е.
План лекций:
1. Введение в область 2. Анализ задачи
a. Сэмплирование и размерность задачи
b. Уменьшение размерности: feature selection
c. Уменьшение размерности: feature extraction
d. Embedded модели на линейном примере (LASSO, LARS, etc.)
3. Практическая оценка методов машинного обучения 4. Теоретическая оценка 5. Основные принципы построения целевых функций 6. Необычные факторы в обучении
a. Обучение на последовательностях
b. Рекомендательные системы
7. Построение целевых функций 8. Введение в online обучение 9. Несколько подходов к построению решающей функции
a. Сэмплирование пространства решений и NFLT
b. Введение в байесовское моделирование
c. Сегментация пространства задачи (деревья, кластеризация, :))
d. Ансамбли (BOC->Boosting)
10. История решения одной практической задачи (MLR)
Презентации:
Файл:Ml-1.pdf Лекция №1. Введение в область.
