Содержание
- 2. Что нужно для понимания* Теория вероятностей и математическая статистика Линейная алгебра Язык программирования Санкт-Петербург, 2020
- 3. Как отчитываться Будет экзамен, возможно письменный Возможно тесты перед лекцией Санкт-Петербург, 2020
- 4. Цель Уметь сформулировать задачу в терминах ML Найти подходящий класс решающих алгоритмов по формулировке Ориентироваться в
- 5. Что будет в модуле Общая картина дисциплины Линейные модели Интерпретация линейных моделей Санкт-Петербург, 2020
- 6. Чего не будет в модуле Time series Полноценного Data Mining Санкт-Петербург, 2020
- 7. Что почитать? Википедия R. Tibshirani, J. Friedman “Introduction to Statistical Learning” T. Hastie, R. Tibshirani, J.
- 8. Машинное обучение: определение Машинное обучение — обширный подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться
- 9. Машинное обучение: определение Machine learning — the ability of a machine to improve its performance based
- 10. Машинное обучение: определение A computer program is said to learn from experience E with respect to
- 11. Машинное обучение в картинках Санкт-Петербург, 2020
- 12. История 50-70гг — базы знаний, полнотекстовый поиск, распознавание образов, нейронные сети 70-80гг — ID3 деревья, разумные
- 13. Основные понятия Санкт-Петербург, 2020
- 14. Задача обучения Санкт-Петербург, 2020
- 15. Классификация машинного обучения ML можно делить по: виду целевой функции; способу получения опыта; классу решающих функций.
- 16. Классификация машинного обучения ML можно делить по: виду целевой функции; способу получения опыта; классу решающих функций.
- 17. Классификация машинного обучения: цель С учителем классификация (classification); регрессия (regression); отношение порядка (learning to rank); обучение
- 18. Классификация машинного обучения: цель С учителем классификация (classification); регрессия (regression); отношение порядка (learning to rank); обучение
- 19. Обучение с учителем: два примера Санкт-Петербург, 2020
- 20. Санкт-Петербург, 2020
- 21. Классификация в картинках Санкт-Петербург, 2020
- 22. Регрессия в картинках Санкт-Петербург, 2020
- 23. Классификация машинного обучения ML можно делить по: виду целевой функции; способу получения опыта; классу решающих функций.
- 24. Классификация машинного обучения: опыт Transductive learning Обычное обучение Активное обучение (active learning) Обучение с бюджетом (budget
- 25. Обычное обучение Санкт-Петербург, 2020
- 26. Классификация машинного обучения: опыт Transductive learning Обычное обучение Активное обучение (active learning) Обучение с бюджетом (budget
- 27. Классификация машинного обучения: опыт Transductive learning Обычное обучение Активное обучение (active learning) Обучение с бюджетом (budget
- 28. Классификация машинного обучения: опыт Transductive learning Обычное обучение Активное обучение (active learning) Обучение с бюджетом (budget
- 29. Классификация машинного обучения ML можно делить по: виду целевой функции; способу получения опыта; классу решающих функций.
- 30. Основные классы решающих функций Instance based learning (kNN) Линейные решения Нейронные сети (ANN) Деревья решений Параметрические
- 31. Основные классы решающих функций Instance based learning (kNN) Линейные решения Нейронные сети (ANN) Деревья решений Параметрические
- 32. Санкт-Петербург, 2020
- 33. Санкт-Петербург, 2020
- 34. Итого во введении Определение История Классификация методов Санкт-Петербург, 2020
- 35. Задача Давайте попробуем отделить «плохих» студентов от «хороших» Санкт-Петербург, 2020
- 36. Формальная постановка Предскажем оценку ближайшей сессии Санкт-Петербург, 2020
- 37. План работ Датасет Обучение Анализ результатов Санкт-Петербург, 2020
- 38. План работ Датасет Обучение Анализ результатов Санкт-Петербург, 2020
- 39. Датасет Готовый Запросим у ВУЗов Сделаем сами Санкт-Петербург, 2020
- 40. Готовый датасет + Минимум усилий + Проверен + Легко хвастаться результатом - Применимость - Нет возможности
- 41. «Запросим» у ВУЗ-а + «Реальные» данные + Есть влияние + Может примениться - Возможность повлиять ограничена
- 42. Сделай сам + «Реальные» данные + Влияние полное + Может примениться - Не похвастаться результатом -
- 43. Наш датасет Результат опроса 51 человек 23 вопроса Давность: 2 года* Санкт-Петербург, 2020
- 44. Векторизация Векторизация: перевод представления о предмете в векторное выражение. Компоненты полученного в результате векторизации вектора будем
- 45. Студент -> вектор -> факторы Пол Город рождения Город учёбы в школе Город учёбы в институте
- 46. Студент -> вектор -> факторы Пол (0,1) Город рождения (A-AH) Город учёбы в школе (A-AH) Город
- 47. Адаптация факторов С городами беда -> сделаем фактор “понаехали” Сортирующиеся факторы размапим от балды В рядах
- 48. План работ Датасет Обучение Анализ результатов Санкт-Петербург, 2020
- 49. Решающая функция Санкт-Петербург, 2020
- 50. Целевая функция Санкт-Петербург, 2020
- 51. Решение Санкт-Петербург, 2020
- 52. Результат Санкт-Петербург, 2020
- 53. План работ Датасет Обучение Анализ результатов Санкт-Петербург, 2020
- 54. Интерпретация результата Пол = -1,98 — ну, шовинизм не в моде Школа 239 = -1,29 —
- 55. Вопросы? Санкт-Петербург, 2020
- 56. Интерпретация результата Пол = -1,98 — ну, шовинизм не в моде Школа 239 = -1,29 —
- 57. Нормализация факторов Хотим min = 0, max =1 Или матожидание 0 и дисперсия 1 Или хотим
- 58. Результат II Санкт-Петербург, 2020
- 59. Интерпретация результата II Пол = -1,95 — ну, всё ещё не в моде Школа 239 =
- 60. Вопросы? Санкт-Петербург, 2020
- 61. Интерпретация результата II Пол = -1,95 — ну, всё ещё не в моде Школа 239 =
- 62. Оценка результата Санкт-Петербург, 2020
- 63. Результат III Санкт-Петербург, 2020
- 64. Стабильность решения Поделим несколько* раз и посмотрим как меняются компоненты решающей функции. Стабильные компоненты заслуживают веры
- 65. Результат IV Оценка за экзамен = 0.24 x Балл по математике — 0.31 x Средний школьный
- 66. Что ещё можно попробовать: Другая нормализация Удаление студентов из обучения Новые факторы Не такой жадный способ
- 67. Итого в примере: Всё равно сделали фигню Посмотрели как исходная задача формулируется в техническую Разобрали способы
- 69. Скачать презентацию