Главная » Все файлы » Просмотр файлов из архивов » PDF-файлы » 2015 Экзаменационные вопросы и Теормин по курсу ММО

2015 Экзаменационные вопросы и Теормин по курсу ММО (экзаменационые вопросы)

PDF-файл 2015 Экзаменационные вопросы и Теормин по курсу ММО (экзаменационые вопросы) (ММО) Методы машинного обучения (63114): Вопросы/задания - 10 семестр (2 семестр магистратуры)2015 Экзаменационные вопросы и Теормин по курсу ММО (экзаменационые вопросы) - PDF (63114) - СтудИзба2020-08-25СтудИзба

Описание файла

Файл "2015 Экзаменационные вопросы и Теормин по курсу ММО" внутри архива находится в папке "экзаменационые вопросы". PDF-файл из архива "экзаменационые вопросы", который расположен в категории "". Всё это находится в предмете "(ммо) методы машинного обучения" из 10 семестр (2 семестр магистратуры), которые можно найти в файловом архиве МГУ им. Ломоносова. Не смотря на прямую связь этого архива с МГУ им. Ломоносова, его также можно найти и в других разделах. .

Просмотр PDF-файла онлайн

Текст из PDF

1Экзаменационные вопросы и теормин по курсу“Методы Машинного Обучения”группа 521, 2015 годлекции читали Майсурадзе А. И. (Арчил Иверьевич) и Сенько О. В. (Олег Валентинович)Экзаменационные вопросыОсновы анализа данных (часть Майсурадзе)1. Место и роль ИАД в современной структуре человеческой деятельности. Три уровня технологийанализа данных, их назначение. Понятие о моделировании реального мира в науке. Физическаямодель. Модель “решателя”.

Информационная модель. Эвристическая модель. Основной приём ИАДдля связи предметных областей и фундаментальной математики (обучение и эксплуатацияэвристической информационной модели).2. Основные модели данных (dataframe, multidimensional, similarity tensor, transactional). Гомогенные игетерогенные модели. Фундаментальные задачи ИАД и основные инструменты статистики.3. Распределение фундаментальных задач ИАД и основных инструментов статистики по моделямданных: в разрезе исходных данных, в разрезе результатов.Основные модели данных (часть Майсурадзе)4. Модель данных «признаковое описание объектов».

Понятие о шкалах значений атрибутов.Представление реляционными технологиями. Схемы «звезда» и «снежинка».5. Многомерная модель данных. Группирование объектов как переход к многомерной модели данных.Аналитические пространства. Измерения и категории. Показатели. Детализация. Функцииагрегирования, типы показателей по агрегированию.6. Транзакционная модель данных. Связанные с ней задачи.Классификация как задача (часть Майсурадзе)7. Общая задача классификации. Понятие об обучении и использовании.

Объект, модель, алгоритмклассификатор. Универсальные ограничения. Локальные ограничения. Оптимизационный подход.8. Функционалы качества на размеченной выборке. Частотные функционалы качества. Случай бинарнойклассификации. Стоимостные функционалы качества. Несоответствие частотных и стоимостныхфункционалов качества человеческому поведению.Статистический подход к распознаванию (часть Сенько)9.10.11.12.Понятие байесовского классификатора как оптимального алгоритма распознавания.Классификаторы, основанные на использовании формулы Байеса.

Линейный дискриминант Фишера.Классификаторы, основанные на использовании формулы Байеса. Логистическая регрессия.Метод k-ближайших соседей.Практические навыки работы с данными (часть Майсурадзе)13. Форматы представления информации. Текстовые файлы, их атрибуты, проблема определенияатрибутов. Текстовые форматы представления таблиц: separated values, delimited text. Экранированиесимволов. Форматы представления транзакционных данных.14. Диаграммы для многомерной модели данных. Системы отчётности.Регрессионный анализ (часть Сенько)15.

Простая регрессия. Множественная регрессия. Поиск коэффициентов по МНК. Недостатки МНК.16. Трёхкомпонентное разложение ошибки регрессионных моделей.17. Регуляризация по Тихонову. Гребневая регрессия, лассо, эластичные сети.Метрические тензоры (часть Общая)18. Тут везде нужна только постановка задачи кластеризации:Модель данных «метрические тензоры», гомогенные и гетерогенные многомерные матрицы сходства.Группирование объектов как кластеризация по метрическим описаниям.

Гомогенная кластеризация,бикластеризация, мультикластеризация. Основные типы результатов кластеризации (плоская,последовательная плоская, иерархическая, нечёткая, стохастическая, ранговая).19. Плоская кластеризация. Задача и метод k-means.220. Последовательная плоская кластеризация. Метод ФОРЕЛЬ.21. Иерархическая кластеризация. Дивизивная. Агломеративная, функционалы связи (linkage).Модели и методы ИАД (часть Сенько)22.23.24.25.26.27.28.29.30.31.ROC анализ.Линейная модель.

Линейная машина как метод обучения линейной модели.Метод опорных векторов.Нейронные сети. Модель перцептрона Розенблатта. Метод его обучения. Теорема Новикова. Переходот сдвига к фиктивному признаку. Многослойные перцептроны. Метод обратного распространенияошибки. Функции активации, удобные для распространения ошибки. Возможность разделения любыхмножеств.Решающие деревья.Комбинаторно логические методы. Тестовый алгоритм.Основы АВО. Алгоритмы типа КОРА.Алгоритмы, основанные на голосования по наборам закономерностей.Bagging. Boosting. Решающие леса (random forest).Анализ выживаемости как задача.Теормин1. Понятие о фундаментальных задачах ИАД (основные задачи машинного обучения). Принципы ихгруппирования.2.

Основные модели данных в ИАД. Признаковое описание объекта.3. Основные модели данных в ИАД. Многомерная модель.4. Основные модели данных в ИАД. Многомерная модель. Понятие и видах агрегируемости показателей.5. Основные модели данных в ИАД. Тензоры сходства, графы взаимодействия.6. Основные модели данных в ИАД. Транзакционные данные. Формальные контексты.7. Фундаментальные задачи ИАД. Задача классификации. Задача восстановления регрессии.8. Фундаментальные задачи ИАД. Задача кластерного анализа.9.

Фундаментальные задачи ИАД. Задача сокращения размерности.10. Обобщающая способность.11. Принцип минимизации эмпирического риска.12. Методы оценивания обобщающей способности. Скользящий контроль.13. Регрессионный анализ. Метод наименьших квадратов (МНК). Простая одномерная регрессия.14. Множественная линейная регрессия. Недостатки МНК.15. Использование методов регуляризации.16. Методы распознавания. Что такое байесовский классификатор? Байесовские методы в распознавании.17. Метод k-ближайших соседей.18.

Комбинаторно-логические методы. Тупиковый тест. Представительный набор.19. Алгоритм вычисления оценок.20. Модель нейрона. Перцептрон Розенблатта.21. Многослойный перцептрон. Методы обучения.22. Метод опорных векторов. Основные понятия. Возможность нелинейного разделения.23. Методы решающих деревьев и решающих лесов.24. Методы построения коллективных решений в распознавании.25. Основы алгебраической коррекции.26.

Задача анализа выживаемости (краткое определение).

Свежие статьи
Популярно сейчас
Почему делать на заказ в разы дороже, чем купить готовую учебную работу на СтудИзбе? Наши учебные работы продаются каждый год, тогда как большинство заказов выполняются с нуля. Найдите подходящий учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Нашёл ошибку?
Или хочешь предложить что-то улучшить на этой странице? Напиши об этом и получи бонус!
Бонус рассчитывается индивидуально в каждом случае и может быть в виде баллов или бесплатной услуги от студизбы.
Предложить исправление
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
5076
Авторов
на СтудИзбе
455
Средний доход
с одного платного файла
Обучение Подробнее