Алгоритмическое обучение

Общая информация
ЛекторМ. Ю. Хачай
Семестрвесна 2013
Дата начала16.02.2013
Количество пар12
Язык курсарусский
Видеоhttp://video.yandex.ru/users/uralcsclub/collection/18/
Анонсы
Объявление для печати
Встреча ВКонтактеhttp://vk.com/event49689393
Аннотация Курс "Алгоритмическое обучение" (machine learning) проводится совместно со Школой Анализа Данных Яндекса и посвящен обзору современных подходов к разработке и обоснованию алгоритмов обучения распознаванию образов, восстановления регрессии и поиска эмпирических закономерностей. Предполагаемые темы занятий (1 семестра)
  1. Постановка проблемы статистического обучения в терминах оптимизационной задачи минимизации среднего риска, байесовские и минимаксные решения.
  2. Идеальный случай: байесовский классификатор, дискриминант Фишера.
  3. Классический подход к обучению, основанный на восстановлении неизвестных законов распределения (метод подстановки).
  4. Параметрические методы восстановления законов распределения. Сопряженные априорные законы.
  5. Линейные алгоритмы обучения распознаванию и их обобщения. SVM, ядра, RVM.
  6. Метрические алгоритмы обучения: kNN, АВО и др.
  7. Комитетные алгоритмы обучения: разделяющий комитет большинства, бустинг, беггинг.
  8. Нейронные сети: MLP и метод обратного распространения, сети Хопфилда и ассоциативная память.
  9. Вычислительная сложность алгоритмов обучения. PAC-Learning.
Лекции Подсказка: слайды, видеозапись и другие материалы лекции доступны со страницы лекции, попасть на которую можно, нажав на её название.

1. Machine Learning. Введение
(16.02.2013 - 14:30 - 17:40)

2. Семинарское занятие
(02.03.2013 - 14:30 - 17:40)

Исходные тексты программ: files01-02.rar.

3. Задача классификации. Статистический подход к обучению
(09.03.2013 - 14:30 - 17:40)

4. Методы восстановления (оценивания) законов распределения
(16.03.2013 - 14:30 - 16:00)

5. Семинарское занятие
(16.03.2013 - 16:10 - 17:40)

Работа с вероятностью. Байесовский классификатор и средний риск.
Нормальное распределение. Ковариационная матрица и ее несмещенная оценка.
Материалы практического занятия c разбором теоретических задач: practice03.pdf
Исходные тексты программ: files03.rar

Домашнее задание 1
Задачи: homework01.pdf
Срок сдачи: 25.03.2013
Адрес: mlekb2013@gmail.com

6. Методы восстановления (оценивания) законов распределения. Часть 2
(23.03.2013 - 14:30 - 16:00)

7. Семинарское занятие
(23.03.2013 - 16:10 - 17:40)

Исходные тексты программ: files04.rar.
8. Лекция
(30.03.2013 - 14:30 - 16:00)

9. Лекция
(30.03.2013 - 16:10 - 17:40)

10. Лекция
(13.04.2013 - 14:30 - 16:00)

11. Семинарское занятие
(13.04.2013 - 16:10 - 17:40)

12. Лекция
(20.04.2013 - 14:30 - 16:00)

13. Семинарское занятие
(20.04.2013 - 16:10 - 17:40)

Домашнее задание 2
Задачи: homework02.pdf
Образец benchmark классификатора: benchmark.rar
Срок сдачи: 10.05.2013
Адрес: mlekb2013@gmail.com

Исходные тексты программ: files05.rar

14. Семинарское занятие
(27.04.2013 - 16:10 - 17:40)

Исходные тексты программ: files06.rar
15. Лекция
(04.05.2013 - 14:30 - 16:00)

16. Лекция
(04.05.2013 - 16:10 - 17:40)

17. Лекция
(18.05.2013 - 14:30 - 16:00)

18. Семинарское занятие
(18.05.2013 - 16:10 - 17:40)

19. Лекция
(25.05.2013 - 14:30 - 16:00)

20. Семинарское занятиен
(25.05.2013 - 16:10 - 17:50)

Домашнее задание 3
Задачи: homework03.pdf, homework03_files.rar
Обновленный образец benchmark классификатора: benchmark2.rar
Адрес: mlekb2013@gmail.com

Ваша оценка: Пусто Средняя: 5 (3 голосов)
Share |