Jump to content
Compvision.ru
Smorodov

Лекции по машинному обучению

Recommended Posts

Выкладываю свои 9 лекций по машинному обучению

это первая редакция, так что не судите строго :)

Если заметите явные косяки - пишите.

Lec1.pdf

Lec2.pdf

Lec3.pdf

Lec4.pdf

Lec5.pdf

Lec6.pdf

Lec7.pdf

Lec8.pdf

Lec9.pdf

AdaBoost.pdf

(может быть будет еще 4, если руки дойдут)

Отличный курс тут (автор Н.Ю. Золотых): Машинное обучение.pdf

Кому этого мало, поищите лекции Сергея Николенко и К.В. Воронцова.

Если знаете английский, то лучше всего прочитать книгу: Christopher M. Bishop "Pattern Recognition and Machine Learning"

и http://www-stat.stanford.edu/~tibs/ElemStatLearn/

Интересный блог по машинному обучению здесь: http://yaroslavvb.blogspot.com/

Очень хороший цикл видео лекций: http://www.youtube.com/user/aktoshik/videos?view=0

Лекции от mathematicalmonk:

Много лекций по машинному обучению (англ.):

https://alliance.seas.upenn.edu/~cis520/wiki/index.php?n=Lectures.Lectures

  • Like 2

Share this post


Link to post
Share on other sites

Перезалил по-отдельности.

Share this post


Link to post
Share on other sites
SVM — ядерные машины

во многих местах, я думаю, если плохо переводимое название, то в начале в скобках надо писать его на английском, а потом им пользоваться.

а так слайды приятные.

может еще чего потом добавлю при более подробном прочтении.

да кстати, еще не очень понятно, ну лично для меня, многие техники вроде бы выполняют одну и ту же задачу, а какие у них преимущества\недостатки\узкие места в реализации не очень понятно.

Share this post


Link to post
Share on other sites

Сейчас стенфордский онлайн курс изучаю.

После этого еще много чего переделаю (с учетом пожеланий и критики) и терминология здесь пока что слабое место,

уже есть мысли, но нужно немного отдохнуть, чтобы свежим взглядом взглянуть.

Share this post


Link to post
Share on other sites

Русскоязычные ресурсы по машинному обучению (pdf, ppt, mp3, video, ... )

http://yury.name/internet/

Unsupervised Feature Learning and Deep Learning Tutorial:

http://deeplearning.stanford.edu/wiki/index.php/Exercise:Sparse_Autoencoder

Tutorial on Deep Learning and Applications:

http://deeplearningworkshopnips2010.files.wordpress.com/2010/09/nips10-workshop-tutorial-final.pdf

Share this post


Link to post
Share on other sites

Да, этот, он уже как раз закончился.

К сентябрю сертификат пришлют :).

Там много курсов, я еще на пару записался (NLP и Behavioral Neurology).

Share this post


Link to post
Share on other sites

Моя лекция по обучению нейронной сети методом обратного распространения ошибки:

NN_Lec1.pdf

Share this post


Link to post
Share on other sites

Тулбокс и большая куча хороших демонстрационных примеров для MATLAB/OCTAVE по статистическим методам машинного обучения (в том числе по книжке Бишопа и др. хороших книжек, ссылки в примерах есть в форме книга/страница):

https://code.google.com/p/pmtk3/

Share this post


Link to post
Share on other sites

У Золотых Н.Ю. на сайте есть еще методички к лабораторным работам с описанием основ работы с R http://www.uic.unn.ru/~zny/ml/

А еще есть интересный сайт, где можно повышать свои скилы в это области, участвуя в конкурсах https://www.kaggle.com/

Share this post


Link to post
Share on other sites

Много разных лекций на русском вперемешку, есть и по теме ИИ и машинного зрения:

http://rpp.nashaucheba.ru/category/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D0%B8/?page=4

Share this post


Link to post
Share on other sites

Еще один курс лекций по ИИ:

Содержание курса:

Linear prediction.

Maximum likelihood and linear prediction.

Ridge, nonlinear regression with basis functions and Cross-validation.

Ridge, nonlinear regression with basis functions and Cross-validation (continued).

Bayesian learning (part I).

Bayesian learning (part II).

Gaussian processes for nonlinear regression (part I).

Gaussian processes for nonlinear regression (part II). Python demo code for GP regression.

Bayesian optimization, Thompson sampling and bandits.

Decision trees.

Random forests.

Random forests applications: Object detection and Kinect.

Unconstrained optimization: Gradient descent and Newton's method.

Logistic regression, IRLS and importance sampling.

Neural networks.

Deep learning with autoencoders.

Deep learning with autoencoders II.

Importance sampling and MCMC.

Importance sampling and MCMC.

Importance sampling and MCMC.

Pdf-ки со слайдами здесь: http://www.cs.ubc.ca/~nando/540-2013/lectures.html

Видеолекции здесь:

Еще пара лекций по DeepLearning:

  • Like 2

Share this post


Link to post
Share on other sites

Русскоязычные видеокурсы от яндекса и mail.ru:

 

Share this post


Link to post
Share on other sites

Курс Воронцова на Курсере начинается в конце января. А сегодня там же начинается курс Andrew Ng. Записался на оба (зачем?), хоть они и на одну тему.

Share this post


Link to post
Share on other sites

Andrew Ng - Очень хорошо закрепляет базовые понятия, и дает общее правильное направление.

Курс Воронцова немного перегружен матаном, и из-за этого теряются контуры темы.

На курсере есть еще курс Хинтона, но он тяжеловато воспринимается.

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now


  • Recently Browsing   0 members

    No registered users viewing this page.

×