Задание по курсу 'Машинное обучение'

• 1. Выбрать предметную область и конкретную задачу. Найти данные (датасет-ы) под заданную задачу (kaggle.com, статистические бюро, сайты министрест и департаментов).
• 2. Для заданной задачи подобрать метод машинного обучения и аппробировать его. Найти возможные решения. Сравнить с другими возможными подходами.
• 3. Отобразить графически найденное решение.
• 4. Оформить реферат (контр. работа) с приведением исходного кода программы (или скриншотами), графиками решений и датасетов.

Темы рефератов по 'Машинному обучению'

Темы докладов по Машинному обучению

• Алгоритмы фильтрации «зашумленных» данных
• Алгоритмы предварительной обработки наборов данных для машинного обучения
• Задача выбора алгоритма машинного обучения в зависимости от набора данных
• Современные прикладные пакеты машинного обучения.
• Платформы машинного обучения (от «Сбер», «Яндекс» и др.).
• Варианты применения машинного обучения в образовательном процессе
• Современные способы прогнозирования временных рядов
• Новые алгоритмы деревьев решений
• Варианты применения бустинга и бэггинга в практических задачах
• Метод окон Парзена. Примеры применения в практических задачах машинного обучения
• Применение машинного обучения для работы с временными рядами на фондовом рынке;
• Алгоритмы восстановления плотностей распределений
• Байесовский классификатор
• Применение машинного обучения для работы с временными рядами на фондовом рынке
• Алгоритмы восстановления плотностей распределений
• Метод окон Парзена. Примеры применения в практических задачах машинного обучения
• Байесовский классификатор. Практическое примнение
• Применение сетей LSTM для обработки видеоизображений
• Применение нейронных сетей класса GRU для обработки текста
• Генерация речи с помощью нейронных сетей
• Генерация сложных архитектур нейронных систем
• Методы машинного обучения в задачах классификации текстов
• Философия машинного обучения
• Симплекс-метод Нелдера-Мида
• Алгоритм RMSprop: принцип работы и сфера применения
• Направления развития машинного обучения
• Сверточные нейронные сети для обработки изображений
• Решение задачи по распознаванию групповых изображений с помощью сверточных нейронных сетей
• Работа с видеопотоком с помощью нейронных сетей
• Архитектуры платформ машинного обучения;
• Аппаратное обеспечение машинного обучения;
• Нейроускорители для задач машинного обучения;
• Аппаратное обеспечение глубоких нейронных сетей;
• Обработка изображений с помощью методов машинного обучения.
• История развития нейроплат
• Языки программирования машинного обучения (сравнительный анализ)
• Сравнительный анализ языков программирования для обработки текста
• Сравнительный анализ скоростных характеристик алгоритмов деревьев решений
• «Интернет – вещей»: программно – аппаратное обеспечение
• Использование графических ускорителей в задачах машинного обучения
• Графические ускорители: обзор, сравнительные характеристики и варианты применения в задачах машинного обучения
• Использование методов машинного обучения для построения оптимального портфеля ценных бумаг
• Модель веб-сервиса по специализированной обработке данных на основе жадных алгоритмов
• Разработка системы автоматического синтеза программ на основе онтологии прецедентов
• Обзор современных пакетов систем искусственного интеллекта
• Применение методов машинного обучения в современных медицинских информационных системах.
• Применение методов машинного обучения в образовательных информационных системах