Introduction
-
Upload
sergey-tsarkov -
Category
Documents
-
view
391 -
download
2
description
Transcript of Introduction
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Вводное занятие
Царьков Сергей ВалерьевичООО «Аналитические технологии»
Кружок по анализу данных
12 октября 2013
С. В. Царьков ([email protected]) Вводное занятие 1 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
План
1 О кружке
2 Знакомство с KaggleОбщие сведения о KaggleСоревнования
3 Предлагаемые задачиFacebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
4 Некоторые рекомендуемые инструменты
5 Полезные ресурсыЭлектронные ресурсыЛитература
С. В. Царьков ([email protected]) Вводное занятие 2 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Организатор
BaseGroup Labs – профессиональный поставщик программныхпродуктов и решений в области анализа данных.Специализируется на разработке систем для глубокого анализаданных, охватывающих вопросы сбора, консолидации, очисткиданных, построения моделей и визуализации.
С. В. Царьков ([email protected]) Вводное занятие 3 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Организация работы кружка
Соревнование по решению задач анализа данных (спомощью Kaggle)
Очные обсуждения решаемых задач
Обсуждения через электронную почту
Обсуждения в электронном классе научного кружка:https://studentsbasegroup.wikispaces.com/
Выступления с докладами
Оценка результатов и подведение итогов
С. В. Царьков ([email protected]) Вводное занятие 4 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Платформа для предсказательного моделирования
Kaggle (www.kaggle.com) - это платформа, позволяющаялюдям с данными и задачами взаимодействовать с людьми,которые умеют решать их задачи по их данным.
Задачи Данные Участники
С. В. Царьков ([email protected]) Вводное занятие 5 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Алгоритм работы с Kaggle
1 Зарегистрироваться в Kaggle (имена команд/участниковнаучного кружка должны начинаться с префикса «BG_»)
2 Выбрать соревнование
3 Скачать данные выбранного соревнования
4 Построить модель
5 Загрузить результат работы модели в Kaggle в заданномформате
6 Дождаться подведения итогов соревнования
С. В. Царьков ([email protected]) Вводное занятие 6 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Типы соревнований (1)
Featured. Публичное соревнование со значительнымденежным призом, заключающееся в решениикоммерческой задачи.
С. В. Царьков ([email protected]) Вводное занятие 7 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Типы соревнований (1)
Featured. Публичное соревнование со значительнымденежным призом, заключающееся в решениикоммерческой задачи.
Recruitment. Публичное соревнование, где спонсорконкурса подбирает потенциальных кандидатов надолжность исследователя-аналитика. Доступно толькоиндивидуальное участие, групповое — запрещено.
С. В. Царьков ([email protected]) Вводное занятие 7 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Типы соревнований (1)
Featured. Публичное соревнование со значительнымденежным призом, заключающееся в решениикоммерческой задачи.
Recruitment. Публичное соревнование, где спонсорконкурса подбирает потенциальных кандидатов надолжность исследователя-аналитика. Доступно толькоиндивидуальное участие, групповое — запрещено.
Kaggle Prospect. Публичное соревнование, в которомцелью является не построение модели, а интерпретация ивизуализация данных. В большинстве случаевпользователям разрешено голосовать и комментироватьработы других участников. Эти отзывы учитываются впроцессе оценивания работ.
С. В. Царьков ([email protected]) Вводное занятие 7 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Типы соревнований (2)
Research. Публичное соревнование с целью проведенияисследования или ради общественного блага.Вознаграждения: денежные призы / приглашения наконференции / публикации в рецензируемых журналах.
С. В. Царьков ([email protected]) Вводное занятие 8 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Типы соревнований (2)
Research. Публичное соревнование с целью проведенияисследования или ради общественного блага.Вознаграждения: денежные призы / приглашения наконференции / публикации в рецензируемых журналах.
Getting Started. Публичное соревнование без денежныхпризов для людей, которые не уверены в своих силах.
С. В. Царьков ([email protected]) Вводное занятие 8 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Типы соревнований (2)
Research. Публичное соревнование с целью проведенияисследования или ради общественного блага.Вознаграждения: денежные призы / приглашения наконференции / публикации в рецензируемых журналах.
Getting Started. Публичное соревнование без денежныхпризов для людей, которые не уверены в своих силах.
Подробнее: http://www.kaggle.com/wiki/KaggleMemberFAQ
С. В. Царьков ([email protected]) Вводное занятие 8 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Атрибуты соревнования
Дата начала конкурса.
Дата окончания конкурса.
С. В. Царьков ([email protected]) Вводное занятие 9 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Атрибуты соревнования
Дата начала конкурса.
Дата окончания конкурса.
Описание (Description).
С. В. Царьков ([email protected]) Вводное занятие 9 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Атрибуты соревнования
Дата начала конкурса.
Дата окончания конкурса.
Описание (Description).
Критерии качества (Evaluation).
С. В. Царьков ([email protected]) Вводное занятие 9 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Атрибуты соревнования
Дата начала конкурса.
Дата окончания конкурса.
Описание (Description).
Критерии качества (Evaluation).
Правила (Rules).
С. В. Царьков ([email protected]) Вводное занятие 9 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Атрибуты соревнования
Дата начала конкурса.
Дата окончания конкурса.
Описание (Description).
Критерии качества (Evaluation).
Правила (Rules).
Призы (Prizes) (если есть).
С. В. Царьков ([email protected]) Вводное занятие 9 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Общие сведенияСоревнования
Атрибуты соревнования
Дата начала конкурса.
Дата окончания конкурса.
Описание (Description).
Критерии качества (Evaluation).
Правила (Rules).
Призы (Prizes) (если есть).
В зависимости от сроков проведения, соревнования могутбыть активными или завершенными.
С. В. Царьков ([email protected]) Вводное занятие 9 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
1 Facebook Recruiting III - Keyword Extraction
2 Personalize Expedia Hotel Searches - ICDM 2013
3 Personalized Web Search Challenge
С. В. Царьков ([email protected]) Вводное занятие 10 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Facebook Recruiting III - Keyword Extraction
Определение ключевых слов и тегов для миллиона текстовыхзапросов.
Тип конкурса Recruitment
Дата окончания 20.12.2013
Участие Индивидуальное
Критерий качества F1-мера
С. В. Царьков ([email protected]) Вводное занятие 11 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Данные
Прилагаемые файлы с данными:
Train.zip (2.19 GB);
Test.zip (725.10 MB);
SampleSubmission.csv (78.72 MB).
Имя поля Описание
Id Уникальный идентификатор для каждого вопросаTitle Заголовок вопросаBody Текст вопросаTags Теги, связанные с вопросом
С. В. Царьков ([email protected]) Вводное занятие 12 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Матрица классифкации
Фактически
Модель Положительно Отрицательно
Положительно ntp nfpОтрицательно nfn ntn
ntp — верно классифицированные положительные примеры(истинно положительные случаи);
ntn — верно классифицированные отрицательные примеры(истинно отрицательные случаи);
nfn — ошибочно классифицированные положительныепримеры (ошибка I рода, «ложный пропуск»);
nfp — ошибочно классифицированные отрицательныепримеры (ошибка II рода, «ложная тревога»).
С. В. Царьков ([email protected]) Вводное занятие 13 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Точность и полнота
Пусть задана выборка Xm = (x1, . . . , xm) с соответствующимиответами (y1, . . . , ym), yi ∈ {−1,+1}. Тогда для некоторогоклассификатора a(x) можно определить два критерия качества:
С. В. Царьков ([email protected]) Вводное занятие 14 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Точность и полнота
Пусть задана выборка Xm = (x1, . . . , xm) с соответствующимиответами (y1, . . . , ym), yi ∈ {−1,+1}. Тогда для некоторогоклассификатора a(x) можно определить два критерия качества:
1 Точность (Precision):
P =
∑mi=1[a(xi ) = +1][yi = +1]∑m
i=1[a(xi ) = +1]=
ntp
ntp + nfp.
С. В. Царьков ([email protected]) Вводное занятие 14 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Точность и полнота
Пусть задана выборка Xm = (x1, . . . , xm) с соответствующимиответами (y1, . . . , ym), yi ∈ {−1,+1}. Тогда для некоторогоклассификатора a(x) можно определить два критерия качества:
1 Точность (Precision):
P =
∑mi=1[a(xi ) = +1][yi = +1]∑m
i=1[a(xi ) = +1]=
ntp
ntp + nfp.
2 Полнота (Recall):
R =
∑mi=1[a(xi) = +1][yi = +1]∑m
i=1[yi = +1]=
ntp
ntp + nfn.
С. В. Царьков ([email protected]) Вводное занятие 14 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
F1-мера
F1-мера — это среднее гармоническое точности и полноты:
F1 =2PR
P + R.
С. В. Царьков ([email protected]) Вводное занятие 15 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
F1-мера
F1-мера — это среднее гармоническое точности и полноты:
F1 =2PR
P + R.
УпражнениеКоэффициент Дайса (Dice coeffient) для двух множеств — этомера их пересечения, поделенная на их объем (так, чтобырезультат лежал в диапазоне от нуля до единицы).
Dice(X ,Y ) =2|X ∩ Y |
|X | ∪ |Y |.
Покажите, что F1-мера равна коэффициенту Дайса длямножеств найденных и ключевых слов.
С. В. Царьков ([email protected]) Вводное занятие 15 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Personalize Expedia Hotel Searches - ICDM 2013
Ранжирование отелей для максимизации продаж
Тип конкурса Featured
Дата окончания 4.11.2013
Участие Индивидуальное или групповое
Критерий качества NDCG@38
Приз Kaggle $25000
С. В. Царьков ([email protected]) Вводное занятие 16 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Данные
Прилагаемые файлы с данными:
Train.csv — обучающее множество примеров.
Test.csv — тестовое множество примеров. Содержит те жеполя, что и в обучающем множестве кроме position,click_bool, gross_bookings_usd, nor booking_bool.
testOrderBenchmark.zip, testOrderBenchmark.zip иrandomBenchmark.zip — примеры работы моделей ивыходных файлов.
С. В. Царьков ([email protected]) Вводное занятие 17 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Релевантность страниц отелей
5 — пользователь оплатил номер в отеле
1 — пользователь кликнул на просмотр подробнойинформации об отеле
0 — пользователь не стал оплачивать номер в отеле и нестал просматривать подробную информацию об отеле.
С. В. Царьков ([email protected]) Вводное занятие 18 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Нормированная дисконтированная совокупная выгода
Normalized Discounted Cumulative Gain (NDCG):
NDCG =DCG
IDCG,
DCG =
p∑
i=1
2reli − 1
log2(i + 1),
где IDCG — это DCG , рассчитанный для идеальногоранжирования, p — количество первых документов в запросе,reli — фактическая релевантность документа из i -ой позициизапросу.
С. В. Царьков ([email protected]) Вводное занятие 19 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Пример NDCG@6
i reli log2i2reli−1
log2(i+1)
1 3 1 72 2 1.585 1.8933 3 2 3.54 0 2.322 05 1 2.585 0.3876 2 2.807 1.069
DCG = 13,848
i reli log2i2reli−1
log2(i+1)
1 3 1 72 3 1.585 4.4173 2 2 1.54 2 2.322 1.292035 1 2.585 0.3876 0 2.807 0
IDCG = 14,595
NDCG = 0.949
С. В. Царьков ([email protected]) Вводное занятие 20 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Personalized Web Search Challenge
Персонализация веб-поиска
Тип конкурса Featured
Дата окончания 10.01.2014
Участие Индивидуальное или групповое
Критерий качества NDCG@10
Приз Kaggle $5000, $3000, $1000
С. В. Царьков ([email protected]) Вводное занятие 21 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Данные
Прилагаемые файлы с данными:
train.gz — обучающее множество примеров (распакованный16GB).
test.gz — тестовое множество примеров.
random-baseline.gz — пример результата.
Данные:
Уникальных запросов: 21 073 569
Уникальных url: 70 348 426
Уникальных пользователей: 5 736 333
Сессий в обучающем множестве: 34 573 630
Сессий в тестовом множестве: 797 867
Всего записей в логе: 167 413 039
С. В. Царьков ([email protected]) Вводное занятие 22 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Релевантность документов
0 — документы без кликов или c кликами, если время доследующего клика было строго меньше 50.
1 — документы с кликами и время до следующего кликапо другому документу от 50 до 399 (включительно).
2 — документы с кликами и время до следующего кликапо другому документу в пределах сессии выше 400, либодокументы с последним кликом во время сессии.
С. В. Царьков ([email protected]) Вводное занятие 23 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Facebook Recruiting III - Keyword ExtractionPersonalize Expedia Hotel Searches - ICDM 2013Personalized Web Search Challenge
Возможны и другие соревнования
Вы можете посмотреть открытые соревнования по адресу:http://www.kaggle.com/competitions
При наличии минимум 3х команд соревнование может бытьдобавлено в конкурс научного кружка.
С. В. Царьков ([email protected]) Вводное занятие 24 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Некоторые рекомендуемые инструменты
Deductor Academic
Weka
RapidMiner
Talend Open Studio
Готовые библиотеки: libsvm, mahout, mallet и т.д.
The Apache Lucene (много полезных классов дляобработки текста)
С. В. Царьков ([email protected]) Вводное занятие 25 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Электронные ресурсыЛитература
Полезные электронные ресурсы
Форум Kaggle: http://www.kaggle.com/forums
Сайт BaseGroup Labs http://www.basegroup.ru/
MachineLearning.ru
Школа анализа данных http://shad.yandex.ru/
Академия Google http://scholar.google.com/
Страничка научного кружкаhttps://studentsbasegroup.wikispaces.com/
С. В. Царьков ([email protected]) Вводное занятие 26 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Электронные ресурсыЛитература
Рекомендуемая литература
1 Н. Б. Паклин, В. И. Орешков. Бизнес-аналитика: отданных к знаниям (+ СD): учеб. пособие. — 2-е изд., испр.- СПб.: Питер, 2013. — 704 с.: ил.
2 A. Г. Дьяконов. Анализ данных, обучение попрецедентам, логические игры, системы WEKA,RapidMiner и MatLab (практикум на эвм кафедрыматематических методов прогнозирования). —МАКСПресс, 2010. — 278 с. скачать с MachineLearning.ru
С. В. Царьков ([email protected]) Вводное занятие 27 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Электронные ресурсыЛитература
Дополнительная литература
1 К.В. Воронцов. Математические методы обучения попрецедентам (теория обучения машин). Курс лекций.скачать с MachineLearning.ru
2 А. Н. Ширяев. Вероятностно-статистические методы втеории принятия решений.
3 М. А. Бабенко, М. В. Левин. Введение в теориюалгоритмов и структур данных.
4 Н. К. Верещагин, Е. В. Щепин. Информация,кодирование и предсказание.
5 А. Я. Червоненкис. Компьютерный анализ данных.
С. В. Царьков ([email protected]) Вводное занятие 28 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Электронные ресурсыЛитература
Дополнительная литература (для углубленного изученияанализа данных)
1 Р. Рокафеллар. Выпуклый анализ. М.: Мир, 1973.
2 Б.Т. Поляк. Введение в оптимизацию. М.: Наука, 1983.
3 А.Н. Ширяев. Вероятность 1-2. 4ое издание, изд-воМЦНМО, 2007.
4 К.В. Воронцов. Теория надёжности обучения попрецедентам (комбинаторная теория переобучения). Курслекций. скачать с MachineLearning.ru
5 А. Ахо, Д. Хопкрофт, Д. Ульман. Построение и анализвычислительных алгоритмов. М.: Мир, 1999.
С. В. Царьков ([email protected]) Вводное занятие 29 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Электронные ресурсыЛитература
Дополнительная литература (для углубленного изученияанализа данных)
6 Т. Кормен, Ч. Лейзерсон, Р. Ривест. Алгоритмы:построение и анализ. М.: МЦНМО, 1999.
7 В.Н. Вапник, А.Я. Червоненкис. Теория распознаванияобразов. Москва, Наука 1974.
8 В.Н. Вапник. Восстановление зависимостей поэмпирическим данным. Москва, Наука 1979.
9 Алгоритмы и программы восстановления зависимостей.Под ред. В.Н. Вапника. М, Наука 1984.
10 V.N. Vapnik. The Nature of Statistical Learning Theory.Springer, New York 2000.
С. В. Царьков ([email protected]) Вводное занятие 30 / 31
О кружкеЗнакомство с Kaggle
Предлагаемые задачиНекоторые рекомендуемые инструменты
Полезные ресурсы
Электронные ресурсыЛитература
Спасибо за внимание!
С. В. Царьков ([email protected]) Вводное занятие 31 / 31