imported>Panov.ai: Migrated current public revision from wiki.cs.hse.ru

2016-12-08T04:42:32Z

Migrated current public revision from wiki.cs.hse.ru

Новая страница

__TOC__
== Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-1 и ИАД-5==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-5

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

''' [http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0) Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://docs.google.com/forms/d/1JevHn2TS5KD83KLNbwbstDUgOjF7dZ8SaY0pLeRTTIw/viewform здесь] 
Вопросы по курсу можно и нужно задавать на странице Q&A Pizza [https://piazza.com/class/it8xri11d2r3g1 здесь].

== Семинары ==
'''1) 15 сентября 2016:''' Метод опорных векторов. Ядра. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb IPython Notebook]] 
'''2) 22 сентября 2016:''' Стохастический градиент. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem2/2_gradient_descent.ipynb IPython Notebook]] 
'''3-4) 13 октября 2016:''' Методы обработки данных и бустинг. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem3/3_missing.ipynb IPython Notebook 1]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem4/4_boosting_adv.ipynb IPython Notebook 2]] 
'''5-6) 20 октября 2016:''' Бустинг и нейронные сети. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem4/4_boosting_adv.ipynb IPython Notebook 1]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem5/6_mlp.ipynb IPython Notebook 2]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem6/6_tensorflow.ipynb IPython Notebook 3]] 
'''7) 10 ноября 2016:''' Статистика: распределения и выборки. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem7/7_stat_distr.ipynb IPython Notebook 1]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem7/7_stat_select.ipynb IPython Notebook 2]]

'''8-9) 24 ноября 2016:''' Keras и XGBoost, проверка гипотез. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem8 тетрадки 1]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem9 тетрадки 2]]

'''10-11) 8 декабря 2016:''' Анализ зависимостей и регрессия. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem10 тетрадка и данные 1]], [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem11 тетрадка и данные 2]]

== Домашние Задания ==
[[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/hw1/hw1-svm.ipynb ДЗ 1.]] [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/hw1/data.zip Данные.] ''Срок - 30 сентября 2016'' 
[[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/hw2/hw2-boosting.ipynb ДЗ 2.]] [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/hw2/student.zip Данные.] ''Срок - 31 октября 2016'' 
[[http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0)/%D0%94%D0%973 ДЗ 3.]] ''Срок - 21 ноября 2016'' 
[[http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0)/%D0%94%D0%974 ДЗ 4.]] ''Срок - 1 декабря''. Для загрузки используйте [https://www.dropbox.com/request/7wj7sgYUID6B4u8aTqGp Dropbox]. Файлы называйте просто - <last_name>-hw4.ipynb 

== Полезные ссылки (Будут пополняться) ==
''' Семинар 6'''
# [http://playground.tensorflow.org Neural Network interactive playground]
# [https://jakebian.github.io/quiver/ Conv NN Layer Visualization]

''' Про соревнование на Kaggle'''
# [http://www.kdnuggets.com/2015/05/data-science-contest-leaderboard-without-reading-data.html About leaderboards]

''' Семинар 4 '''
# [http://arogozhnikov.github.io/2016/07/05/gradient_boosting_playground.html Gradient boosting interactive playground]
# [http://www.slideshare.net/ShangxuanZhang/kaggle-winning-solution-xgboost-algorithm-let-us-learn-from-its-author About XGBoost]

''' Семинар 2 '''
# [http://sebastianruder.com/optimizing-gradient-descent/ Про методы оптимизации в МО]
# [https://lukaszkujawa.github.io/gradient-descent.html Gradient Descent Demo]

''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

Современные методы машинного обучения (курс майнора) ИАД1-5 - История изменений

imported>Panov.ai: Migrated current public revision from wiki.cs.hse.ru