Машинное обучение (англ Machine Learning) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извл

Рейтинг: 13
Создана: 4 года назад
Владелец: root

Machine Learning/Data Mining/Big Data

Основная информация

Машинное обучение (англ Machine Learning) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извлекающая знания из данных.

Data Mining (рус. добыча данных, интеллектуальный анализ данных, глубинный анализ данных) — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.

Стена группы

Загрузка...
1 месяц назад
#

1. Введение в Python. Курс «ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ» | Технострим




2. Библиотека Numpy. Курс «ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ» | Технострим


1 месяц назад
#

5. Оптимизация в логистической регрессии, метрики классификации: лекция (19.10.19)


1 месяц назад
#

5. Логические алгоритмы: семинар (19.10.19)


1 месяц назад
#

[BayesGroup Seminar]: Why do neural nets learn and generalize?


1 месяц назад
#

Autogenerating Supervised Learning Programs


Сегодня обучение с учителем решает огромное количество задач: от обнаружение спам-писем и предсказания прибыли с акций до сопоставления последовательностей генов заболеваниям. Аналитики при решении таких задач применяют присущие аналитикам систематизированные знания, опыт решения предыдущих задач, интуицию и знания о предметной области, из которой собраны данные.

На этом семинаре мы разберем статью, в которой авторы предлагают автоматизировать построение решения задачи обучения с учителем. Система, решающая эту задачу, строит пайплайны, состоящие из одного или нескольких преобразований над данными и обучение одного из алгоритмов машинного обучения.

Такие пайплайны генерируются моделью, обученной на существующих решениях различных задач обучения с учителем. Предполагается, что таким образом модель может выучить некоторые аналитические знания и собрать богатый опыт решения подобных задач.

Модель способна применять API заранее выбранных библиотек. Причем для добавления новой библиотеки требуется минимум усилий. Также преимуществом данного подхода является высокая скорость работы построения пайплайнов по сравнению с подходами, основанных на переборе.

Докладчик: Ярослав Соколов.

Ссылка: https://research.jetbrains.org/files/...

1 месяц назад
#

Theoretical Deep Learning #2: Worst-case bounds. Part 5. PAC-bayesian bounds. Part1


1 месяц назад
#

4. Производные, градиент. Лекция (11.10.19)


1 месяц назад
#

4. Основы машинного обучения: лекция (12.10.19)


1 месяц назад
#

3. Производные, градиент, библиотеки pandas и matplotlib: лекция (11.10.19)


1 месяц назад
#

Machine Learning Live Stream Bakhteev


1 месяц назад
#

Theoretical Deep Learning #2: Worst-case bounds. Part 4


1 месяц назад
#

Weight transport problem: глубокое обучение без градиентного спуска


Широко используемые подходы в глубоком обучении совсем не похожи на то, как обучаются (или могли бы обучаться) нейроны в нашем мозгу. Они полагаются на “weight transport” — нейроны должны передать значения своих весов для обратного распространения ошибки, что, скорее всего, невозможно в головном мозге.

На семинаре мы поговорим о современных решениях, не использующих weight transport, но достигающих схожих с backpropagation результатов на простых задачах.

Докладчик: Игорь Филиппов.

Ссылка на слайды: https://research.jetbrains.org/files/...

1 месяц назад
#

KDD 2019 Policy Learning for Malaria Control — Влад Шах-Назаров


Влад Шах-Назаров рассказывает про свой опыт участия в треке по обучению с подкреплением KDD Cup 2019. Какая была задача, какой подход позволил занять высокое место и почему простой random search — это competitive approach to RL и на соревнованиях.


1 месяц назад
#

Тренировка по машинному обучению 12 октября 2019


В программе 12 октября:

Кирилл Романов — AutoCV2 (eng)
Роман Пьянков — WNS Analytics Wizard 2019 (ru)
Дмитрий Симаков — Zindi Farm Pin Crop Detection Challenge (ru)

1 месяц назад
#

Лекция 9. Векторная семантика — II. Dense vectors: SVD, LSA, word2vec, fastText


1 3 4

Авторизация

Войдите, используя Ваш аккаунт

Войти с помощью

Пользователи