Machine Learning Seminars

Информация

• Предварительные оценки за курс в google таблице. В случае если Вас нет в таблице, но должны там быть --- пишите, в случае если Вы есть, но там быть не должны также пишите.
• У кого оценка отлично (8-10) могут претендовать на автомат, для этого все равно требуется прийти либо во время досрока (19 мая во время лекции и семинара) либо во время экзамена. У кого оценка хорошо (5-7) могут сдать досрочный экзамен по курсу (19 мая во время лекции и семинара). Во всех остальных случаях сдача экзамена во время дня установленного администрацией физтеха. Отдельно прошу проверить графу есть в ведомости!!! Если Вас нет в ведомости сообщите об этом в деканате своего факультета!!!
• По всем вопросам связанных с ДЗ приходите на пару 19го мая --- обсудим.

Полезные ссылки

• Плейлист лекций и семинаров: 2020-2021; 2021-2022
• Курс лекций К.В. Воронцова.
• Курс Мурата Апишева по python.
• Почта для связи.

Осений семестр

Курсовое домашнее задание:

Первое задание:

• Начало: 15:30 26.09.2022
• Дедлайн: 23:59 16.10.2022.
• Писать на почту Андрею. Тема письма [MIPT-2022-ML-fall-1] ФИО. В письме прислать .ipynb файл.

• Генератор задания:

  • В качестве почты нужно ввести почту в домене @phystech.edu.
  • После ввода почты, вам будет предложена выборка с ссылкой для скачивания, а также методы, которые нужно проанализировать для данной выборки.

• Требуется:

  • Провести анализ выборки:

    • Определить тип признаков.
    • Выполнить визуальный анализ данных.

  • Выполнить препроцесинг данных:

    • Преобразовать категориальные признаки в вещественные.
    • Отнормировать признаки.

  • Провести эксперимент для предложеных методов:

    • Выполнить подбор гиперпараметров.
    • Подобрать регуляризаторы.
    • Получить итоговые модели.

  • Описать полученые результаты:

    • Какая модель лучше и почему.
    • С какими проблемами столкнулись во время выполнения, возможно недочеты стандартных библиотек.
    • Совпадают ли полученные результаты с ожидаемыми результатами.

• Оценивание:

  • Качество кода (1б):

    • Код должен работать у проверяющего.
    • Код должен был понятен без автора.

  • Качество анализа (3б):

    • Анализ выборки.
    • Анализ гиперпараметров.
    • Анализ результатов для разных моделей.

  • Качество отчета (1б):

    • Учитывается полнота отчета.

Второе задание:

• Начало: 02.12.2022.
• Дедлайн: 23:59 15.12.2022.
• Ссылка на задание.
• Писать на почту Андрею. Тема письма [MIPT-2022-ML-fall-2] ФИО. В письме прислать .ipynb файл и ник на kaggle.

• Требуется:

  • Отправить свое решение в csv формате на kaggle.com.
  • Отправить ноутбук с решением на почту.

План занятий

Вводный семинар

• Семинар:

  • Теореотическая часть:

    • Общие идеи оптимизации, функции ошибки и тд.

  • Практическая часть:

    • При помощи sklearn показать пример Ирисов Фишера.
    • Понятие модели алгоритмов, алгоритм обучения, процесс оптимизации для конкретной задачи.
    • Переход от бинарной к многоклассовой.
    • Переобучение. Борьба с переобучениям (начало).
    • Немного о типах задач машинного обучения: прикладные и исследовательские

• Домашнее задание:

  • В задаче по переходу от бинарной классификации к многоклассовой добавить константу и скорректировать соответстветсвующие разделяющие гиперплоскости.
  • Подсказка: в LogisticRegresion нужно добавить специальный параметр fit_intercept=False, чтобы внутри черного ящика своя константта не добавлялась(влият на результат).

Линейные методы классификации и регрессии: метод стохастического градиента

• Семинар:

  • Теореотическая часть:

    • Анализ стохастического градиента на сходимость.
    • Задача линейной регрессии, МНК в общем случае.
    • Постановка задачи линейной регрессии через правдоподобие, вероятностные предположения о данных + регуляризаций.

  • Практическая часть:

    • Разбор домашнего задания.
    • Метод стохастического градиента на практике.
    • Использования torch framework для нахождения градиента сложной функции.
    • Вероятностная постановка задачи машинного обучения. Регуляризация l1, l2.
    • Анализ решения задачи оптимизации от параметра регуляризации.
    • Выбор параметра регуляризации при помощи LOO.

• Домашнее задание:

  • Используя вероятностную постановку задачи для линейной регрессии с априорным предположением p(w) = N(0, I) получить аналитическое решение на оптимальный вектор параметров w.
  • Использовать метод Cross-Validation вместо метода LOO для выбора оптимального параметра регуляризации gamma.

Нейронные сети: Autograd

• Семинар:

  • Теореотическая часть:

    • Автоматическое диференцирование.

  • Практическая часть:

    • Разбор домашнего задания.
    • Построение простой нейросетевой модели: многослойный персептрон.
    • Обучение персептрона на выборке MNIST.
    • Подбор гиперпараметров модели.
    • Пррореживание сетей (без кода, только графики).

• Домашнее задание:

  • Проделать то, что было на семинаре для выборки FashionMnist: подбор гиперпараметров модели (выполнить более подробно чем на семинаре), также провести анализ полученных результатов.
  • Указать какие минусы вы увидели в подборе гиперпараметров на семинаре (их как минимум 3).

Метрические методы классификации и регрессии

• Семинар:

  • Практическая часть:

    • Разбор домашнего задания.
    • Пример как можно отказаться от признаков в линейном классификаторе.
    • Метод ближайших соседей, анализ разного количества соседей.
    • Ядра в методе ближайших соседей.
    • Метод Парзеновского окна.
    • Метод потенциальных функций (реализация).
    • Отбор эталонных элементов, алгоритм STOLP.
    • Формула Надарая Ватсона.

• Домашнее задание:

  • Выбрать один из метрических классификаторов (классификации или регрессии) и выполнить поиск оптимальных гиперпараметра при помощи кросс валидации.

Линейные методы классификации и регрессии: метод опорных векторов

• Семинар:

  • Практическая часть:

    • SVM для классификации.
    • Примеры использования ядер для SVM.
    • SVM для регрессии.
    • Генерация признаков на основе опорных элементов.

• Домашнее задание:

  • Провести эксперимент с полиномиальным ядром: сгенерировать синтетическую выборку, на которой полиномиальное ядро имеет лучшее качество аппроксимации чем rbf и линейное ядро.

Многомерная линейная регрессия. Метод главных компонент

• Семинар:

  • Практическая часть:

    • Многомерная линейная регрессия.
    • Сингулярное разложение.
    • Регуляризация для многомерной регрессии: используя SVD.
    • Зависимость качества аппроксимации от числа обусловлености.
    • Метод главных компонент: визуализация MNIST.
    • Метод главных компонент: для изображений.

• Домашнее задание:

  • Доказать лемму из семинара.
  • Для синтетически сгенерированной выборки (beta=2, mu=0.01) построить график зависимости качества аппроксимации контрольной вбыорки от коэффициента регуляризации. Сравнить скорость работы в случае использования SVD разложения и без него.

Нелинейная регрессия. Обощенные линейные модели. Нестандартные функции потерь.

• Семинар:

  • Практическая часть:

    • Нелинейная регрессия: пример задачи.
    • Сравнение градиентного спуска, метода Ньютона-Рафсона, метода Ньютона-Гауса.
    • Обобщенно линейные модели: оптимальный размер выборки.
    • Функция потерь для задачи поиска близких предложений.
    • Визуализация сходимости метода Ньютона Рафсона и стохастического градиента.

• Домашнее задание:

  • Использовать модель для векторизации предложений из семинара. На основе полученных векторов решить задачу сентимент анализа для выборки Twitter (задача бинарной классификации). В качестве модели рассмотреть логистическую регрессию. Рекомендуется использовать модель Perceptron с третьего семинара, а также функцию ошибки torch.nn.BCELoss. Ссылка на данные: https://drive.google.com/file/d/1k4JrnVcoePEENCYt5iy17dyV_h133j2X/view?usp=sharing (предложения для классификации это последний столбец, а целевая переменная это второй столбец).

Критерии выбора моделей и методы отбора признаков.

• Семинар:

  • Практическая часть:

    • Оценка качества моделе: внешний и внутрений критерии.
    • Отбор признаков: полный перебор, алгоритм Add, алгоритм Add-Del.
    • Качество классификации: Precision, Recall.
    • Пример задачи information retrieval.
    • О составлении выборки для постановки задачи ML.

• Домашнее задание:

  • реализовать метода отбора признаков Add-Del.
  • предложения внешний критерий качества для задачи поиска ошибок в текстах.

Логические методы классификации.

• Семинар:

  • Практическая часть:

    • Логический классификатор реализация.
    • Примеры задач для решения логичеким классификатором.
    • Критерии информативности.
    • Решающий список, простая реализация.
    • Решающее дерево.
    • Случайный лес.

• Домашнее задание:

  • в реализованый метод построение логистического классификатора добавить возможность оптимизации по критерию Джини.

Поиск ассоциативных правил.

• Семинар:

  • Практическая часть:

    • Постановка задачи ассоциативных правил.
    • Синтетичекий пример.
    • Пример реальных данных из kaggle.
    • Алгоритм APriory.
    • Алгоритм FP-growth.
    • Обобщение для вещественных данных.
    • Обобщенные ассоциативные правила.

• Домашнее задание:

  • выполнить анализ ассоциативных правил, которые получены алгоримом FP-growth. Расмоттреть только те правила, которые содержат более 3 элементов

Композиции классификаторов.

• Семинар:

  • Практическая часть:

    • DummyEnsemble.
    • AdaBoost.
    • Градиентный бустинг, XGBoost.
    • Пример реальных данных из kaggle.
    • RandomForest.
    • Mixture Of Expert.

• Домашнее задание:

  • Рассматривается две выборки: выборка и выборка. Для обоих выборок построить AdaBoost, GradientBoosting, RandomForest, Bagging. Сравнить качество на обоих выборках. Отличается ли результат? Почему?

Композиции классификаторов (градиентный бустинг).

• Семинар:

  • Практическая часть:

    • ComBoost.
    • Gradient Boosting.
    • XGBoost.
    • CatBoost.

• Домашнее задание:

  • Реализовать комитетный бустинг для задачи регрессии.

Байесовская теория классификации.

• Семинар:

  • Практическая часть:

    • Принцип максимума правдоподобия: визуализация.
    • Востановление плотности по империческим данным.
    • LOO для ввыбора ширины окна.
    • Наивный байесовский классификатор.

• Домашнее задание:

  • Получить оценку параметров нормального распределения из принципа максимума правдоподобия.

Методы кластеризации и обучение на неразмеченных данных.

• Семинар:

  • Практическая часть:

    • Задача кластеризации.
    • Примеры кластеров.
    • K-means.
    • DBSCAN.
    • Иерархическая кластеризация.
    • Частичное обучение.
    • Self-training, 1970.
    • Неразмеченные данные в глубоком обучении.

• Домашнее задание:

  • Самому сравнить разные методы кластеризации для трех концентрических окружностей.

Весений семестр

Курсовое домашнее задание:

Первое задание:

• Дедлайн: 23:59 02.04.2023. Жесткий дедлайн 09.04.2022, каждый день оценка по каждой задаче уменьшается на 0.05. Суммарное количество баллов за каждую задачу 1.
• Задание доступно по ссылке.
• Писать на почту Андрею. Тема письма [MIPT-2022-ML-spring-1] ФИО. В письме прислать .ipynb файлы (или ссылку на диск --- проверьте что есть доступ на чтение!!!).

Второе задание:

• Дедлайн: 23:59 07.05.2023. Жесткий дедлайн 14.05.2023, каждый день оценка по каждой задаче уменьшается на 0.05.
• Задание доступно по ссылке.
• Писать на почту Андрею. Тема письма [MIPT-2022-ML-spring-2] ФИО. В письме прислать .ipynb файлы (или ссылку на диск --- проверьте что есть доступ на чтение!!!).

План занятий

Глубокие Нейронные Сети. Сверточные нейросети и Рекурентные сети.

• Семинар:

  • Практическая часть:

    • Сверточные нейронные сети.
    • Отслеживание обучения при помощи tensorboard.
    • Рекурентные нейронные сети.
    • Использование предобученных моделей.
    • Интерпретируемость ответов нейросети.

Нейронные сети. Автокодировщик. Transfer Learning. Генеративно-Состязательные сети.

• Семинар:

  • Практическая часть:

    • Автокодировщик.
    • Линейный автокодировщик.
    • Автокодировщик на основе CNN.
    • Вариационный автокодировщик.
    • Перенос обучения с предварительно обученой модели.
    • Генеративно состязательные сети.

Векторное представления текстов.

• Семинар:

  • Практическая часть:

    • Пример классификации твитов.
    • Зачем нужна векторизация?.
    • Токенизация текстов.
    • Word2Vec (на основе модели FastText).
    • FastText модель (сжатая до emb-dim=10 для легковестности).
    • Задачи для unsupervise training моделей векторизации.

Attention is all you need. Трансформеры.

• Семинар:

  • Практическая часть:

    • Модель внимания в рекурентных нейронных сетях.
    • Трансформеры.
    • T2T переводчик.
    • BPE токенизация.
    • BERT.
    • LaBSE.

Тематическое моделирование.

• Семинар:

  • Практическая часть:

    • Модель LDA.
    • Модель PLSA (bigartm).

Пояснение к домашнему заданию.

• Семинар:

  • Практическая часть:

    • Задачи из ДЗ.

Задача ранжирования.

• Семинар:

  • Практическая часть:

    • Базовые понятие.
    • Пример задачи ранжирования.
    • Пример рекомендательной системы.
    • Обучение поисковика на базе pyserini.

Рекомендательные системы.

• Семинар:

  • Практическая часть:

    • Константная модель.
    • Кореляционная система.
    • SLIM.
    • SVD.

Временные ряды.

• Семинар:

  • Практическая часть:

    • Авторегрессионая модель.
    • Экспоненциальное сглаживание.
    • Кластерный анализ временных рядов.

Онлайновое обучение.

• Семинар:

  • Практическая часть:

Обучение с подкреплением.

• Семинар:

  • Практическая часть:

    • Стационарный многорукий бандин.
    • Нестационарный многорукий бандин.
    • Задача о заплыве.

Активное обучение.

• Семинар:

  • Практическая часть:

    • Активное обучение со случайным добавлчющим элементом.
    • Активное обучение с добавлением элемента с максимальной дисперсией.

Заключительное занятие.

• Семинар:

  • Теоретическая часть:

    • Разбор Posterior Sampling