Выбор моделей в машинном обучении (теория и практика, О.Ю. Бахтеев, В.В. Стрижов)/Группа 574, осень 2020
Материал из MachineLearning.
(Различия между версиями)
(→Темы семинаров) |
|||
| Строка 8: | Строка 8: | ||
=== Темы семинаров === | === Темы семинаров === | ||
| - | # Байесовский вывод | + | # Байесовский вывод (повторение). |
| - | # | + | # Вариационный вывод, семплирование, VAR, GAN (повторение) |
| - | + | # Смеси моделей, смеси экспертов и их применение | |
| - | + | # Экспертное обучение и способы назначения априорных распределений | |
| - | + | # Байесовский подход в теории игр и задачи ИИ | |
| - | + | # Байесовское программирование и задачи порождения рукописных текстов | |
| + | # Необходимый размер выборки и его приложения в обучении с подкреплением | ||
=== Темы на выбор === | === Темы на выбор === | ||
Версия 18:58, 1 сентября 2020
Серия семниаров и докладов на тему выбора моделей машинного обучения. Обсуждаются теоретическе аспекты и практика байесовского подхода к выбору моделей. Цель семинаров - обсудить роль информативного априорного распределения (informative prior). Основные вопросы:
- Как учитывать экспертные знания при назначении АР (простановка задач байесовского выбора моделей)?
- Каким образом связаны теоретические модели прикладной области с информативным АР (интерпретируемость моделей с точки зрения теории)?
- Как использовать новую информацию, полученную в результате вывода, придальнейшем назначении АР?
Темы семинаров
- Байесовский вывод (повторение).
- Вариационный вывод, семплирование, VAR, GAN (повторение)
- Смеси моделей, смеси экспертов и их применение
- Экспертное обучение и способы назначения априорных распределений
- Байесовский подход в теории игр и задачи ИИ
- Байесовское программирование и задачи порождения рукописных текстов
- Необходимый размер выборки и его приложения в обучении с подкреплением
Темы на выбор
Указать в таблице одну из тем:
Расписание
| Дата | Автор | Тема | Автор | Тема | |
|---|---|---|---|---|---|
| 16 | |||||
| 23 | |||||
| 30 | |||||
| 7 октября | |||||
| 14 | |||||
| 21 | |||||
| 28 | |||||
| 4 ноября | |||||
| 11 | |||||
| 18 | |||||
| 25 | |||||
| 2 декабря | |||||
| 9 |

