Машинное обучение 2 осень 2017 — различия между версиями
Материал из SEWiki
(→План лекций:) |
(→План лекций:) |
||
| Строка 7: | Строка 7: | ||
2. Анализ задачи | 2. Анализ задачи | ||
| − | + | * Сэмплирование и размерность задачи | |
| − | + | * Уменьшение размерности: feature selection | |
| − | + | * Уменьшение размерности: feature extraction | |
| − | + | * Embedded модели на линейном примере (LASSO, LARS, etc.) | |
3. Практическая оценка методов машинного обучения | 3. Практическая оценка методов машинного обучения | ||
4. Теоретическая оценка | 4. Теоретическая оценка | ||
5. Основные принципы построения целевых функций | 5. Основные принципы построения целевых функций | ||
6. Необычные факторы в обучении | 6. Необычные факторы в обучении | ||
| − | + | * Обучение на последовательностях | |
| − | + | * Рекомендательные системы | |
7. Построение целевых функций | 7. Построение целевых функций | ||
8. Введение в online обучение | 8. Введение в online обучение | ||
9. Несколько подходов к построению решающей функции | 9. Несколько подходов к построению решающей функции | ||
| − | + | * Сэмплирование пространства решений и NFLT | |
| − | + | * Введение в байесовское моделирование | |
| − | + | * Сегментация пространства задачи (деревья, кластеризация, :)) | |
| − | + | * Ансамбли (BOC->Boosting) | |
10. История решения одной практической задачи (MLR) | 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 18:30, 8 сентября 2017
Семинар
Преподаватель: Кураленок И. Е.
План лекций:
1. Введение в область
2. Анализ задачи
* Сэмплирование и размерность задачи
* Уменьшение размерности: feature selection
* Уменьшение размерности: feature extraction
* 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
* Обучение на последовательностях
* Рекомендательные системы
7. Построение целевых функций 8. Введение в online обучение 9. Несколько подходов к построению решающей функции
* Сэмплирование пространства решений и NFLT
* Введение в байесовское моделирование
* Сегментация пространства задачи (деревья, кластеризация, :))
* Ансамбли (BOC->Boosting)
10. История решения одной практической задачи (MLR)
Презентации:
Файл:Ml-1.pdf Лекция №1. Введение в область.
