https://wikicshse.ru/index.php?action=history&feed=atom&title=%D0%A3%D1%87%D0%B8%D0%BC%D1%81%D1%8F_%D0%B8%D0%B3%D1%80%D0%B0%D1%82%D1%8C_%D0%B2_%D0%BD%D0%B0%D1%80%D0%B4%D1%8B_%28%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82%29 2026-06-06T15:47:42Z История изменений этой страницы в вики MediaWiki 1.45.3 https://wikicshse.ru/index.php?title=%D0%A3%D1%87%D0%B8%D0%BC%D1%81%D1%8F_%D0%B8%D0%B3%D1%80%D0%B0%D1%82%D1%8C_%D0%B2_%D0%BD%D0%B0%D1%80%D0%B4%D1%8B_(%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82)&diff=1024&oldid=prev 2017-07-28T13:18:01Z

<p>Migrated current public revision from wiki.cs.hse.ru</p> <p><b>Новая страница</b></p><div>{{Карточка_проекта<br /> |name=Учимся играть в нарды<br /> |mentor=Алексей Гусаков<br /> |mentor_login={{URLENCODE:Gusakov|WIKI}}<br /> |semester=Весна 2016<br /> |course=1<br /> |summer=on<br /> |number_of_students=10<br /> |categorize=yes<br /> }}<br /> <br /> === Что это за проект? ===<br /> Проект заключается в том, чтобы научить компьютер играть в нарды.<br /> Делать мы это будем с помощью машинного обучения, причём все знания, которые алгоритм имеет о мире ограничиваются тем, какие ходы возможны из конкретной позиции и тем, какой же получился результат в конце (победа или поражение).<br /> Оказывается, что за несколько тысяч игр компьютер учится неплохо играть, а при более тщательном подходе обыгрывает человека.<br /> <br /> [http://www.slideshare.net/katyacherniak/backgammon-57453501 презентация проекта]<br /> <br /> === Чему вы научитесь? ===<br /> * Основы машинного обучения<br /> <br /> * Методы линейной регрессии<br /> <br /> * Понятие о нейросетях<br /> <br /> * Temporal-difference learning<br /> <br /> === Какие начальные требования? ===<br /> * Интерес к машинному обучению.<br /> <br /> * Желание экспериментировать и упорно работать.<br /> <br /> Будет прикольно, но не просто.<br /> <br /> === Какие будут использоваться технологии? ===<br /> * С++;<br /> <br /> * gtest;<br /> <br /> * scikit-learn.<br /> <br /> === Темы вводных занятий ===<br /> * Для начала немного поиграем в нарды.<br /> <br /> * Потом обсудим интерфейсы, тесты, базовые решения, time-difference learning.<br /> <br /> === Направления развития ===<br /> * Совершенствовать алгоритм машинного обучения, находя/генерируя автоматически факторы.<br /> <br /> * Хорошая визуализация игры.<br /> <br /> === Критерии оценки ===<br /> 4 балла: Написан класс, описывающий позицию, реализованы правила, по которым делаются ходы.<br /> <br /> + балл (итого 5): Класс хорошо покрыт тестами.<br /> <br /> + балл (итого 6): Реализован механизм сравнения разных алгоритмов, есть несколько базовых реализаций алгоритма.<br /> <br /> + балл (итого 7): Реализован алгоритм, основанный на линейной модели, который побеждает все базовые подходы.<br /> <br /> + 2 балла (итого 9): То же самое, но на основе более глубокой нейоронной сети.<br /> <br /> + балл (итого 10): Как-то реализована визуализация, в результате чего можно и человеку сразиться с программой.<br /> <br /> Также между алгоритмами будет проведён турнир на спецприз от ментора :)<br /> <br /> === Ориентировочное расписание занятий ===<br /> В идеале - вечер пятницы или утро субботы.</div>

imported>GalinaKaleeva