Технология научных исследований в области машинного обучения

Технология научных исследований в области машинного обучения
Цель дисциплины
Научить студентов точно излагать свои и чужие решения задач анализа данных и
машинного обучения. Написать научную статью, которая была бы принята другими
исследователями, работающими в нашей области; сделать доклад. Результат: научная
статья, поданная в рецензируемый журнал из списка ВАК.
Задачи дисциплины
Технология научных исследований — практические занятия, посвященные изучению
методов научной работы и выполнения исследовательских проектов в области машинного
обучения и анализа данных. Задачей третьекурсников является исследование свойств
алгоритмов прогнозирования. Целью работы является написание научной статьи с
элементами математической новизны с последующей подачей в научный журнал. В
процессе работы студенты изучают методы и технику написания научных статей и
проведения вычислительных экспериментов, а также сопутствующие этому процессу
технологии — язык разметки научных текстов LaTeX, формат представления
библиографической записи BibTeX, язык программирования высокого уровня m-code.
Работа включает следующие этапы: сбор и анализ литературы, математическая
постановка задачи, описание метода решения задачи и исследование его свойств,
проведение вычислительного эксперимента. Каждому студенту предлагается
персональная тема, по которой он анализирует публикации отечественных и зарубежных
исследователей за последние десять лет, ставит задачу и делает доклад для группы о
полученных результатах. Далее выполняется математическое описание метода, делается
промежуточный доклад о состоянии работ. Последним шагом работы становится
вычислительный эксперимент, иллюстрирующий свойства метода и использующий
синтетические или реальные данные. Каждая статья рецензируется одногруппниками
автора, работы синхронизируются на сайте SourceForge.org, проект «MLAlgorithms».
Дисциплина «Технология научных исследований» базируется на дисциплинах:
1. Машинное обучение
2. Математическая статистика
3. Алгоритмы и структуры данных
В результате освоения дисциплины обучающиеся должны
знать: основные методы анализа данных и машинного обучения
уметь: организовывать свою научно-исследовательскую работу и оформлять ее
результаты
владеть: базовыми инструментами анализа данных и машинного обучения
Содержание дисциплины
1. Введение в предмет. Обзор инструментов, пробное программирование. Вводная
лекция. Мотивационная часть, цели. Знакомство со структурой и расписанием
курса, системой консультирования и оценивания. Установка необходимых
2.
3.
4.
5.
6.
инструментов, ознакомление с рекомендованными статьями. Обзор основных
инструментов, демонстрация интерфейсов. Выбор задачи пробного
программирования. Рекомендации по сбору литературы, основные требования к
списку литературы. Решение задачи пробного программирования, оформление
результатов в виде графиков.
Обзор задач. Написание аннотации и введения. Обзор задач, предлагаемых для
исследования. План написания аннотации и введения с обзором собранной
литературы.
Постановка задачи. Вычислительный эксперимент. Формат поставки задачи и
план базового вычислительного эксперимента. Краткий отчет с описанием
проведенного эксперимента, использованных данных и комментарием к
результатам.
Результаты и их визуализация. Обсуждение результатов, способов визуализации
результатов. Постановка вычислительного эксперимента на основе предлагаемого
алгоритма с учетом предыдущих результатов, описание результатов в разделе
“Вычислительный эксперимент”.
Доклады промежуточных результатов. Обсуждение результатов. Описание
теоретической части статьи и предлагаемого алгоритма. Разбор структуры статьи в
целом. Рекомендации по описанию рисунков, выводов, заключения. Написание
раздела “Заключение”.
Математические методы анализа ошибки. Обзор математических методов
анализа ошибки. Написание раздела “Вычислительный” эксперимент с
использование одного из предложенных методов анализа ошибки. Доклад о
завершенной работе.
Основная литература
1. Ф. А. Кузин. Кандидатская диссертация. Методика написания, правила оформления
и порядок защиты: Практ. пособие для аспирантов и соискателей ученой
степени. — 2 - е изд. — М.: «Ось-89», 1998.
2. Умберто Эко. Как написать дипомную работу. Гуманитарные науки: Учебнометодическое пособие / Пер. с ит. Е.Костюкович. — 3 изд. — М., КДУ, 2004. —
240 с.
3. А. Б. Сосинский. Как написать математическую статью по-английски. — М: Изд-во
«Факториал Пресс», 2000.
4. С. С. Кутателадзе. Russian-To-English in Writing: Советы эпизодическому
переводчику. Новосибирск: Изд-во Ин-та математики, 2000.
Электронные ресурсы
1. Адрес страницы курса: bit.ly/16UIlQH
2. Страница группы bit.ly/1yhhdTC
3. Описание курса
4. Список задач для пробного программирования
5. Учебные примеры
6. Временной ряд (библиотека примеров)
7. Список завершенных проектов
8. План лекций