imported>Ashestakoff: /* Полезные ссылки (Будут пополняться) */

2016-12-17T14:47:47Z

Полезные ссылки (Будут пополняться)

Новая страница

__TOC__
== Майнор по "Современным методам машинного обучения" - 2016/2017 учебный год - ИАД-4==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий группы ИАД-4

'''27 октября коллоквиума не будет!''' Следите за обновлениями.

Семинарист: [[Участник:Ashestakoff | Шестаков Андрей]] [mailto:shestakoffandrey@gmail.com shestakoffandrey@gmail.com] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

Перед тем как что-то спрашивать по почте, проверьте, нет ли ответа на ваш вопрос вот [https://www.google.ru/ здесь].

''' [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] 

'''[https://drive.google.com/open?id=1RZEvHk_TFy3fHJ1zoLbI7isvnPHLFvPN0KQKq6cgcMs Таблица с оценками]'''

== Семинары ==
'''1) 15 Сентября 2016:''' Метод опорных векторов. Ядра. - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/1%20SVM.ipynb IPython Notebook] 
'''2) 22 Сентября 2016:''' Методы оптимизации. Градиентный спуск и КО - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/2_gradient_descent.ipynb IPython Notebook], [https://www.dropbox.com/s/awkl0xjdbksh9s2/data.zip?dl=0 data] 
'''3) 29 Сентября 2016:''' Методы предобработки данных - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/3_preproc.ipynb IPython Notebook], [https://www.dropbox.com/s/ha0cxwk27fnggpu/WineKMC.xlsx?dl=0 data] 
'''4) 6 Октября 2016:''' Вспоминаем градиентный спуск (см. памятку) 
'''5) 13 Октября 2016:''' Композиции алгоритмов, бустинг - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/5_seminar-boost.ipynb IPython Notebook] 
'''6) 20 Октября 2016:''' Консультация, вопросы и немного про нейронные сети (у доски) 
'''7) 10 Ноября 2016:''' Пробуем нейронные сети - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/6_keras_nn_tutorial.ipynb IPython Notebook 1], [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/6_keras_rnn.ipynb IPython Notebook 2] 
'''8) 17 Ноября 2016:''' Доверительные интервалы - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/7_stats_basic1.ipynb Stats.Basics 1], [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/7_stats_basic2.ipynb Stats.Basics 2], [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/7_stats_confidence.ipynb Доверительные интервалы], [https://www.dropbox.com/s/gls3vji6tacfqwi/data.zip?dl=0 Данные] 
'''9) 24 Ноября 2016:''' Проверка статистических гипотез - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/8_stats_hypo.ipynb Практика], [https://www.dropbox.com/s/2tte9h09bjyi1nw/8_stats_hypo_help.zip?dl=0 help], 
'''10) 1 Декабря 2016:''' Оценка зависимостей - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/9_stats_corr.ipynb IPython Notebook], [https://www.dropbox.com/s/vtgi5b4he9g7c8p/foodmart.sales.tsv?dl=0 data1], [https://www.dropbox.com/s/xt1sp3ov0emz7yd/foodmart.products.tsv?dl=0 data2], 
'''11) 8 Декабря 2016:''' Линейная регрессия - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/11_stats_regression.ipynb IPython Notebook], [https://www.dropbox.com/s/wdz0rsxecqa9e42/beauty.csv?dl=0 data2], 
'''12) 15 Декабря 2016:''' Прогнозирование временных рядов - [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/12-stats-timeseries.ipynb IPython Notebook], 

== Домашние Задания ==
1) [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/hw1-svm.ipynb ДЗ 1.], [https://www.dropbox.com/s/mc2u2r8spel5jo1/data.zip?dl=0 data] ''Срок - 30 Сентября 2016'' 
1.1) [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/4_gradient_descent_pt2_sol.ipynb Памятка по градиентному спуску + мини задание], [https://www.dropbox.com/sh/1uxmj384gpu9zwq/AAA8oMPwG-ZzKA_tHFAU9TYna?dl=0 data] ''Срок - 14 Октября 2016'' 
2) [http://nbviewer.jupyter.org/github/shestakoff/minor_da_2016_pt2/blob/master/hw2-trees.ipynb ДЗ 2.], [https://www.dropbox.com/s/yr4v0ylz0adtcnx/student.zip?dl=0 data] ''Срок - 23 Октября 2016'' 
3) [https://kaggle.com/join/8qoUDtE07A Соревнование Kaggle] - ''Срок - 15 Ноября 2016'' 
4) [[Современные методы машинного обучения (курс майнора)/ДЗ3|ДЗ 3 (click me!)]] - ''Срок - 24 Ноября 2016'' 
5) [[Современные методы машинного обучения (курс майнора)/ДЗ4|ДЗ 4 (click me!)]] - ''Срок - 4 Декабря 2016'' 
6) [[Современные методы машинного обучения (курс майнора)/ДЗ5|ДЗ 5 (click me!)]] - ''Срок - 20 Декабря 2016 23:59'' 

== Полезные ссылки (Будут пополняться) ==
'''Семинар 12 '''
# [https://www.otexts.org/fpp Forecasting: principles and practice]

''' Семинар 9 '''
# [http://www.cs.cornell.edu/~asampson/blog/statsmistakes.html Statistical Mistakes and How to Avoid Them]

''' Семинар 7 '''
# [http://playground.tensorflow.org Neural Network interactive playground]
# [https://jakebian.github.io/quiver/ Conv NN Layer Visualization]

''' Семинар 5 '''
# [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) ИАД4 - История изменений

imported>Ashestakoff: /* Полезные ссылки (Будут пополняться) */