Machine learning for Earth Sciences F2020-S2021 by Mikhail Krinitskiy (RG link)
Машинное обучение в науках о Земле. Читает Михаил Криницкий
Метод оценки домашних заданий.
Правила распространения источников
UPDATE 2020-05-06
Подборка книг издательства Springer, доступных для свободной загрузки, по компьютерным наукам, комьютерному зрению, машинному обучению и науке о данных.
Полный список книг издательства Springer, выложенных в открытый доступ для свободной загрузки.
Здесь можно ознакомиться со списком вопросов к зачету за II семестр.
Здесь можно посмотреть свои успехи за второй семестр, допуск к зачету и (возможно) отметку о возможности автозачета.
UPDATE 2020-12-08 Поскольку лекция 08.12.2020 - заключительная, состав домашних заданий зафиксирован на пяти. В плане по домашним заданиям и их оценке отражен текущий состав ДЗ за I семестр с оценками, касающиеся автозачетов и допуска к зачетам по 1му семестру.
Здесь будут отметки об автозачетах, допуске к зачету и зачетах.
Здесь можно ознакомиться со списком вопросов к зачету за первый семестр.
| Title | Date | Topic | Content |
|---|---|---|---|
| I семестр | |||
| Лекция 0 | 22.09.2020 | Вводная лекция. Машинное обучение в науках о Земле. | материалы лекции |
| Лекция 1 | 29.09.2020 | Классификация задач в машинном обучении | материалы лекции видеозапись |
| ДЗ №1 | 29.09.2020 дедлайн: 06.10.2020 |
Задачи в науках о Земле как задачи машинного обучения | описание результаты |
| Лекция 2 | 06.10.2020 | Технические средства анализа данных | материалы лекции видеозапись |
| ДЗ №2 | 06.10.2020 | Jupyter notebook как средство разметки текста и кода | результаты |
| Лекция 3 | 13.10.2020 | Технические средства анализа данных - 2 | материалы лекции видеозапись |
| Лекция 4 | 20.10.2020 | Технические средства анализа данных - 3 | материалы лекции видеозапись |
| ДЗ №3 | 23.10.2020 дедлайн: 30.10.2020 |
Оценка числа PI методом Монте-Карло. Прогрммирование на Python. |
описание результаты |
| Лекция 5 | 27.10.2020 | Основы подхода машинного обучения Вероятностные основы линейной регрессии |
материалы лекции видеозапись |
| ДЗ №4 | 27.10.2020 дедлайн: 03.11.2020 |
Функция потерь линейной регрессии в предположении о лапласовском распределении данных | результаты |
| Лекция 6 | 03.11.2020 | Основы подхода машинного обучения Признаковое описание объектов и порождение признаков |
материалы лекции видеозапись |
| Лекция 7 | 10.11.2020 | Линейная регрессия: реализация в коде. Аналитическое решение. Особенности моделей машинного обучения на примере линейной регрессии. |
материалы лекции видеозапись |
| Лекция 8 | 17.11.2020 | Свойства моделей машинного обучения на примере линейной регрессии. | материалы лекции видеозапись |
| Лекция 9 | 26.11.2020 | Неопределенность в моделях машинного обучения | материалы лекции видеозапись-2019 видеозапись-2020 |
| ДЗ №5 | 26.11.2020 дедлайн: 15.12.2020 |
Оценка неопределенностей модели линейной регрессии | описание результаты все материалы и данные видеозапись заметки с консультации |
| Лекция 10 | 01.12.2020 | Градиентная оптимизация Метод градиентного спуска (на примере модели линейной регрессии) |
материалы лекции видеозапись |
| Лекция 11 | 08.12.2020 | Градиентная оптимизация Метод стохастического градиентного спуска |
материалы лекции видеозапись |
| II семестр | |||
| Лекция 12 | 16.02.2021 | Задача классификации. Методы МО: K ближайших соседей (KNN), байесовский классификатор. |
материалы лекции видеозапись |
| Лекция 13 | 02.03.2021 | Задача классификации. Наивный байесовский классификатор, LDA, QDA. |
материалы лекции видеозапись |
| Лекция 14 | 09.03.2021 | Задача классификации. Логистическая регрессия. |
материалы лекции видеозапись |
| Лекция 15 | 16.03.2021 | Задача классификации. Мультиномиальная логистическая регрессия. Библиотеки автоматического вычисления градиента. Jax. |
материалы лекции видеозапись |
| Лекция 16 | 23.03.2021 | Задача классификации. Меры качества в задаче классификации. |
материалы лекции видеозапись |
| Лекция 17 | 06.04.2021 | Обобщенные линейные модели (GLM). Обобщенные аддитивные модели (GAM). |
материалы лекции видеозапись |
| ДЗ №6 | 06.04.2020 дедлайн: 20.04.2020 |
Мультиномиальная логистическая регрессия и оценка качества моделей классификации | описание и материалы |
| Лекция 18 | 13.04.2021 | Искусственные нейронные сети. Многослойный перцептрон. |
материалы лекции видеозапись |
| Занятие 19 (практика) |
23.04.2021 | Искусственные нейронные сети. Реализация MLP своими руками. |
материалы занятия видеозапись leaderboard |
| Лекция 20 | 27.04.2021 | Метод опорных векторов | материалы лекции видеозапись |
| Лекция 21 | 11.05.2021 | Непараметрические методы. Деревья решений. | материалы лекции видеозапись |
(следите за обновлениями!)
- Флах П. "Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных." / Флах П. М.: ДМК Пресс, 2015. 400 c.
- Гудфеллоу Я., Бенджио И., Курвилль А. "Глубокое обучение." / М.: ДМК Пресс, 2017. 652 c.
- Николенко С. И., Кадурин А. А., Архангельская Е. О. "Глубокое обучение." / СПб.: Питер. 2019. 480 с.
Дополнительные источники
-
Шай Шалев-Шварц, Шай Бен-Давид "Идеи машинного обучения." / - М.: ДМК Пресс, 2018. 432 c.
-
Hastie T., Tibshirani R., Friedman J. "The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition" / T. Hastie, R. Tibshirani, J. Friedman, 2-е изд., New York: Springer-Verlag, 2009.
Первод на русский язык: (Фридман Дж., Хасти Т., Тибширани Р. "Основы статистического обучения")
-
Bishop C. "Pattern Recognition and Machine Learning" / C. Bishop, New York: Springer-Verlag, 2006.
Перевод на русский язык: Бишоп К.М. "Распознавание образов и машинное обучение"
-
Matrix cookbook - справочник по соотношениям в матричной форме
-
Курс лекций К.В. Воронцова:
-
Курс лекций Л.М. Местецкого "Математические методы распознавания образов"
-
Препринт книги Cosma Rohilla Shalizi "Advanced Data Analysis from an Elementary Point of View". Доступен онлайн.
-
James G., Witten D., Hastie T., Tibshirani R., 2013. "An Introduction to Statistical Learning: with Applications in R", Springer Texts in Statistics. Springer-Verlag, New York. Книга доступна для скачивания.
-
Интерактивная онлайн-книга Aston Zhang, Zack C. Lipton, Mu Li, Alex J. Smola "Dive into Deep Learning"