Машинное обучение 2015 — различия между версиями

Материал из SEWiki
Перейти к: навигация, поиск
м
м
 
(не показана одна промежуточная версия этого же участника)
Строка 17: Строка 17:
 
<br/>
 
<br/>
  
 +
<!--
 
== Домашние задания. ==
 
== Домашние задания. ==
 
Адрес, на который надо присылать решения -- '''machine.teaching@gmail.com'''. <br/>
 
Адрес, на который надо присылать решения -- '''machine.teaching@gmail.com'''. <br/>
Строка 75: Строка 76:
 
Условие -- [http://mit.spbau.ru/sewiki/images/f/fc/ML-homework9.pdf  Домашнее задание 9]<br/>
 
Условие -- [http://mit.spbau.ru/sewiki/images/f/fc/ML-homework9.pdf  Домашнее задание 9]<br/>
  
<!--
+
 
 
== Летучки в начале лекции. ==  
 
== Летучки в начале лекции. ==  
 
[http://mit.spbau.ru/sewiki/images/5/51/Quiz2.pdf 18 февраля]<br/>
 
[http://mit.spbau.ru/sewiki/images/5/51/Quiz2.pdf 18 февраля]<br/>
Строка 89: Строка 90:
 
[http://mit.spbau.ru/sewiki/images/1/1c/ML-test12.pdf 8 мая]<br/>
 
[http://mit.spbau.ru/sewiki/images/1/1c/ML-test12.pdf 8 мая]<br/>
 
[http://mit.spbau.ru/sewiki/images/0/05/ML-test13.pdf 15 мая]<br/>  
 
[http://mit.spbau.ru/sewiki/images/0/05/ML-test13.pdf 15 мая]<br/>  
-->
+
 
  
 
== Результаты ==
 
== Результаты ==
Строка 101: Строка 102:
 
40-60 баллов = 4<br/>
 
40-60 баллов = 4<br/>
 
> 60 баллов = 5
 
> 60 баллов = 5
 +
-->
  
 
== Дополнительные источники по машинному обучению ==
 
== Дополнительные источники по машинному обучению ==

Текущая версия на 17:00, 12 апреля 2017

Лекции — Екатерина Алексеевна Тузова (kt@jetbrains.com)

Лекции

1. 11 февраля, "Введение"
2. 18 февраля, "Метрические методы классификации"
3. 27 февраля, "Иерархическая кластеризация"
4. 6 марта, "Кластеризация. Графовые и статистические алгоритмы"
5. 13 марта, "Линейные классификаторы"
6. 20 марта, "Метод опорных векторов"
7. 27 марта, "Python и Numpy"
8. 3 апреля, "Деревья принятия решений"
9. 10 апреля, "Байесовские методы классификации"
10. 17 апреля, "EM-алгоритм"
11. 24 апреля, "Линейная регрессия"
12. 8 мая, "Нейронные сети"
13. 15 мая, "Разбор результатов контеста"


Дополнительные источники по машинному обучению

Дополнительные заметки

  • Mining of Massive Datasets (Ullman, Leskovec, Rajaraman) (в частности, разделы 3.4—3.8 про Locality-Sensitive Hashing, еще в книге много других интересных подходов для больших объемов данных, в т.ч. MapReduce, PageRank)

Дополнительные источники по Python