• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Семинары научно-учебной группы «Машинное обучение и социальный компьютинг»

Тема семинараОсновные вопросыДатаДокладчики/Ведущие

Материалы и описание

Принятие решений в условиях неопределенности- как и чем руководствуются люди, принимая решение
- что такое ограниченная рациональность (bounded rationality)
- зачем нужны методы iML и xAI
22.02Мусабиров И.Л.
Суворова А.В.
 
Байесовские сети: введение- что такое байесовские сети доверия
- как построить сеть на основе данных
- где используются байесовкие сети
- чем полезны байесовские сети в симуляциях
11.04Суворова А.В.
Сироткин А.В.
 
Research Poster Webinar- как сделать постер понятным и информативным;
- как понятно и интересно рассказать о своем исследовании;
- как представить предварительные результаты неоконченного исследования
16.04Булыгин Д.И.
Кузнецова А.Д.
 
iML: Интерпретируемое машинное обучение- что такое машинное обучение
- как улучшить точность моделей
- почему высокая точность -- это не всегда хорошо
- как понять, на основе чего модель делает предсказание
- методы iML: важность признаков, ICE графики, LIME и SHAP
- инструментарий интерпретируемого машинного обучения
25.04Суворова А.В. 
Прототипирование методов визуализации библиографических сетей- как найти статьи для обзора
- как понять, что вы не упускаете важную работу
- какие практики цитирования применяются в хороших научных работах
- инструменты для построения сетей цитирования: VosViewer
- потенциальные дополнения к VosViewer
16.05Кузнецова А.Д. 
Conjoint analysis: выявление предпочтений пользователей- как узнать, что предпочитают пользователи, не задавая прямых вопросов
- почему прямые вопросы не всегда помогают
- дизайн эксперимента с применением конджоинт-анализа
- как анализировать полученные данные
- пример исследования для разработки инструментария iML
23.05Суворова А.В.
Смирнова А.В.
Мусабиров И.Л.
 
Байесовские сети в исследовании сообществ: кейс GitHub- особенности данных платформ GitHub и StackOverflow
- результаты
20.06Захарова В.В.
Попов А.Д.
 
iML + HCI: особенности использования инструментов iML- ограничения методов iML
- ошибки интерпретации
- обсуждение статей CHI 2020 про взаимодействие пользователей с инструментами iML
12.09Суворова А.В.
Смирнова А.В.
 
Анализ "цифровых следов" в образовании- что можно узнать из цифровых следов
- подходы к частичной интерпретации моделей (в частности, conditional variable importance) на примере изучения взаимосвязи между академической успеваемостью и стратегиями саморегуляции
26.09Ярыгина О.Г.
Мусабиров И.Л.
 
Практики оценивания товаров на виртуальных площадках- как меняются практики оценивания товаров на виртуальных площадках по сравнению с традиционными
- какими методами можно достаточно быстро анализировать больших объемы данных платформ
- как расширить возможности исследований в социальных науках за счет машинного обучения и iML
10.10Булыгин Д.И. 
Анализ паттернов и контр-примеров в событийной аналитике социальных медиаобсуждение препринта про анализ коммуникации в чатах трансляций чемпионата по Dota 2:
- особенности оценивания однородности обсуждения
- влияние отдельных событий на обсуждения в чатах
7.11Булыгин Д.И.
Меньшикова А.
Марченко Е.Ю.
 
iML в маркетингеобсуждение препринта:
- используется ли машинное обучение в маркетинге: задачи, проблемы
- потенциальные области применения iML
20.11Захарова В.В.
Попов А.Д.
Суворова А.В.
 
tidymodels: построение моделей машинного обучения в R- экосистема tidymodels для построения моделей машинного обучения в R
- отличие tidymodels от caret
28.11Попов А.Д.

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.