https://www.wikicshse.ru/index.php?action=history&feed=atom&title=%D0%92%D0%B8%D0%B7%D1%83%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_%D1%80%D0%BE%D0%BA-%D0%BA%D1%80%D0%B8%D0%B2%D0%BE%D0%B9_%28%D0%BB%D0%B5%D1%82%D0%BD%D1%8F%D1%8F_%D0%BF%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D0%BA%D0%B0%29 2026-06-06T19:20:45Z История изменений этой страницы в вики MediaWiki 1.45.3 https://www.wikicshse.ru/index.php?title=%D0%92%D0%B8%D0%B7%D1%83%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_%D1%80%D0%BE%D0%BA-%D0%BA%D1%80%D0%B8%D0%B2%D0%BE%D0%B9_(%D0%BB%D0%B5%D1%82%D0%BD%D1%8F%D1%8F_%D0%BF%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D0%BA%D0%B0)&diff=2048&oldid=prev 2015-06-17T22:08:49Z

<p>Migrated current public revision from wiki.cs.hse.ru</p> <p><b>Новая страница</b></p><div>{{Карточка_задания_на_летнюю_практику<br /> |name=Визуализация методов маш. обучения<br /> |mentor=Рогожников Алексей Михайлович<br /> |mentor_login={{URLENCODE:Старчикова Ольга|WIKI}}<br /> |organization=Лаборатория методов анализа больших данных (LAMBDA)<br /> |hse_profile=-<br /> |email=arogozhnikov@hse.ru<br /> |thesis=<br /> |year=2015<br /> |categorize=yes<br /> }}<br /> <br /> === Задание ===<br /> Подготовить визуализации для алгоритмов машобучения и для рок-кривой (тоже активно используемой в машобучении).<br /> <br /> 1. визуализация рок-кривой (движение распределений -&gt; изменение рок-кривой)<br /> <br /> 2. логистическая регрессия и линейный SVM - для них надо как минимум двумерную визуализацию решающего правила (с возможностью мышкой двигать правило), + надо иметь возможность переключаться в 3d-режим, чтобы по оси z была функция потерь, плюс стохастическое обучение - надо это проиллюстрировать. <br /> <br /> 3. итеративное построение дерева с разными критериями разбиения<br /> <br /> === Какие начальные требования? ===<br /> Иметь представление о 2d/3d визуализации. Приветствуется владение джаваскриптом.<br /> <br /> Изначального понимания визуализируемых алгоритмов не ожидается, однако с ними обязательно потребуется познакомиться.<br /> <br /> === Какие будут использоваться технологии? ===<br /> 1. html + javascript, <br /> 2. фреймворк для визуализации (например, d3.js)<br /> <br /> === Какая дополнительная литература понадобится? ===<br /> Необходимо прочитать про указанные алгоритмы машинного обучения. Например, на machinelearning.ru или из лекций: http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций%2C_К.В.Воронцов) или из любого другого источника.</div>

imported>Axelr