Chris Pytka
TEACHING RD2 2012
Oceny z przedmiotu zostały zamieszczone na stronie Bogumiła.
Z powodu awarii zasilania zaliczenie ćwiczeń dla grupy drugiej zostało przesunięte na 31.05 na godz. 18.50. W celu zmniejszenia prawdopodobieństwa powtórki przygody z ostatniego czwartku, osoby korzystające z własnych laptopów proszone są o korzystanie z baterii.
Wyniki dzisiejszego (22.05) egzaminu zostaną zamieszczone na stronie Bogumiła.
Laboratorium XI (Algorytmy uczenia bez nadzoru)
- kod do zajęć [R]
Wymagania odnośnie do raportu
Do 17.05.2012 wyślijcie raporty sporządzone indywidualnie albo w dwuosobowych grupach. Raporty o nazwie pliku NazwiskoImieIndeks.pdf (lub odpowiednio dla prac grupowych NazwiskoImieIndeksNazwiskoImieIndeks.pdf) wyślijcie proszę na adres ***@ci.edu.pl. Każdy dzień zwłoki wiąże się z karą w wysokości 4 punktów. Raport końcowy powinien demonstrować zastosowanie i porównanie dwóch poznanych metod do prognozowania wybranego zjawiska.Raport powinień zawierać:
- krótki opis i prezentację danych;
- opcjonalną obróbkę danych (dyskretyzacja, standaryzacja, imputację itp.);
- oszacowanie konkurencyjnych modeli na zbiorze treningowym;
- przeprowadzenie i przedstawienie procesu wyboru/optymalizacji modelu na zbiorze walidacyjnym;
- ocenę wybranego modelu na zbiorze testowym;
- wnioski;
- dobór wykorzystanych zbiorów danych jest dowolny;
- maksymalna liczba stron raportu to 20 stron (każda dodatkowa strona oznacza jeden ujemny punkt).
Laboratorium IX (Klasyczne modele uczenia maszynowego: sieci neuronowe)
Laboratorium VIII (Klasyczne modele uczenia maszynowego: drzewa decyzyjne)
Laboratorium VI (Metody wyboru postaci modelu prognostycznego)
Laboratorium V (Proces wytwórczy modelu predykcyjnego)
- dane do case'a [zip]
| Nazwa drużyny | Zysk | Punkty |
| Wizard | 3740350 | - |
| WINNERS2012 | 3010730 | 5 |
| Drużyna RR | 3006230 | 4 |
| untitled | 3005450 | 4 |
| Mniejnizlosowy | 2904130 | 2 |
| Wysyłka do wszystkich | 2645250 | - |
| Wiosna | 1879900 | 1 |
| Brak wysyłki | 718600 | - |
| Gumisie | 585030 | 1 |
Laboratorium IV (Zaawansowane algorytmy budowy stabilnych modeli predykcyjnych)
- kod do zajęć [R]
Laboratorium III (Metody oceny jakości modeli klasyfikacyjnych)
Laboratorium II (Podstawy modelowania predykcyjnego)
- kod do zajęć [R]
Laboratorium I (Wprowadzenie do uczenia statystycznego, wprowadzenie do systemu R)
- kod do zajęć [R]
- Hal Varian: "Dream Job of the next decade" [youtube]
- "R You Ready?" [html]
- dane do zajęć [csv]
- wykres kolorów w R [pdf]
- wymagane pakiety (w toku semestru): car, cluster, DAAG, datasets, e1017, Ecdat, glmnet, graphics, lars, lasso2, leaps, locfit, MASS, maxLik, mgcv, neuralNet, nnet, nortest, party, randomForest, RColorBrewer, reshape, ROCR, RODBC, rpart, RWeka, tseries, UsingR, Weka, XLConnect, quantreg, tcltk.
Zasady zaliczenia przedmiotu
- zasady zaliczenia [zip]