Ссылки по теме выпускной работы

Материалы магистров ДонНТУ

1. Гума С.В. Исследование методов сравнительного анализа текстов на примере рекомендательной системы фильмов

   Описание: Персональный сайт на портале магистров ДонНТУ, 2019 г.

   Руководитель: к.ф-м.н., доц. Скворцов Анатолий Ефремович

   Консультант: ст. пр. Коломойцева Ирина Александровна

2. Титаренко М.Г. Исследование методов классификации информации о внешнеторговой деятельности государств в рамках информационно-поисковой системы

   Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

   Руководитель: к.ф-м.н., доц. Скворцов Анатолий Ефремович

   Консультант: ст. пр. Коломойцева Ирина Александровна

3. Власюк Д.А. Исследование методов извлечения знаний из HTML-страниц сети Интернет о спортивных соревнованиях

   Описание: Персональный сайт на портале магистров ДонНТУ, 2019 г.

   Руководитель: к.ф-м.н., доц. Скворцов Анатолий Ефремович

   Консультант: ст. пр. Коломойцева Ирина Александровна

4. Полетаев В.А. Исследование методов поиска изображений в графических базах данных

   Описание: Персональный сайт на портале магистров ДонНТУ, 2019 г.

   Руководитель: к.ф-м.н., доц. Скворцов Анатолий Ефремович

   Консультант: ст. пр. Коломойцева Ирина Александровна

5. Сторожук Н.О. Исследование методов и алгоритмов определения жанра литературных произведений на основе технологии Text Mining

   Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

   Руководитель: к.ф-м.н., доц. Скворцов Анатолий Ефремович

   Консультант: ст. пр. Коломойцева Ирина Александровна

Научные работы и статьи

6. An Empirical Study of the Naïve Bayes Classifier

   Авторы: Irina Rish

   Описание: В статье рассматривается разбор характеристик данных, которые влияют на эффективность наивного байесовского метода. В работе используется метод Монте-Карло, которые позволяет систематически изучать точность классификации для нескольких классов сгенерированных задач.

7. An Analysis of Bayesian Classifiers, NASA Ames Research Center

   Авторы: Wayne Iba, Kevin Thompson

   Описание: В статье проводится анализ байесовского классификатора путем вычисления вероятности того, что алгоритм вызовет произвольную пару описаний понятий, затем это выражение используется для вычисления правильной классификации по пространству вероятности экземпляров.

8. Применение в задаче классификации SMS сообщений оптимизированного наивного байесовского классификатора

   Авторы: Бурлаков М. Е.

   Описание: В работе рассматривается процесс оптимизации наивного байесовского классификатора. Также рассмотрен механизм расчета вероятности и процесс построения обучающей таблицы для практического решения задачи классификации SMS сообщений наивным байесовским классификатором.

9. Повышение точности байесовского классификатора текстовых документов

   Авторы: Трифонов П. В.

   Описание: В статье рассматриваются способы улучшения байесовского классификатора путем построения по заданному набору документов, классификация которых была выполнена экспертами вручную, некоторой модели, которая может быть использована в дальнейшем для принятия решения о принадлежности документов к указанными категориям.

10. Naïve Bayes modification for text Streams classification

    Авторы: Lomakina L.S., Lomakin D.V., Subbotin A.N.

    Описание: В работе рассматривается модификация наивной байесовской классификации потоков текстовой информации. Также в статье предложен реальный классификатор, позволяющий обрабатывать текстовые потоки в режиме реального времени.

11. История возникновения спама и способы противодействия его распространению

    Авторы: Лютова Е.И., Коломойцева И.А.

    Описание: В работе рассмотрена история возникновения нежелательной массовой рассылке, а также известные способы борьбы с ней. Проанализированы программные обеспечения для фильтрации спама.

Техническая и справочная литература

12. Алгоритмы компьютерного зрения на основе сверточных нейронных сетей

    Описание: Учебное пособие, в виде лекции по компьютерному зрению. Содержит основные положения о глубоком обучении, сверточных нейронных сетях, детектировании объектов и т.д.

13. 25. Метод опорных векторов (SVM)

    Описание: В статье выполнен обзор алгоритма SVM, проанализированы его недостатки и достоинства, определены возможные сферы применения.

14. Алгоритм C4.5

    Описание: В статье выполнен обзор алгоритма C4.5, проанализированы его недостатки и достоинства, определены возможные сферы применения.

15. Метод k-средних

    Описание: В статье выполнен обзор метода k-средних, проанализированы его недостатки и достоинства, определены возможные сферы применения.

16. Алгоритм Apriori

    Описание: В статье выполнен обзор алгоритма Apriori, проанализированы его недостатки и достоинства, определены возможные сферы применения. Приведен пример реализации алгоритма.

17. EM-алгоритм

    Описание: В статье выполнен обзор EM-алгоритма, проанализированы его недостатки и достоинства, определены возможные сферы применения. Приведен пример реализации алгоритма.

18. Алгоритм AdaBoost

    Описание: В статье выполнен обзор алгоритм усиления классификаторов AdaBoost, проанализированы его недостатки и достоинства, определены возможные сферы применения. Приведен пример реализации алгоритма.

19. Алгоритм CART

    Описание: В статье выполнен обзор одного из самых популярных алгоритмов Data Mining - CART. Проанализированы его недостатки и достоинства, определены возможные сферы применения. Приведен пример реализации алгоритма.

20. Алгоритм k-ближайших соседей

Описание: В статье выполнен обзор алгоритма k-ближайших соседей, проанализированы его недостатки и достоинства, определены возможные сферы применения.

21. Наивный баейсовский классификатор

    Описание: В статье выполнен обзор наивного баейсовского классификатора, проанализированы его недостатки и достоинства, определены возможные сферы применения.

22. Методы отбора фич

    Описание: В статье приведены основные методы отбора фич, а также методы оценки эффективности их отбора.

23. Точный критерий Фишера

    Описание: В статье описывается история возникновения и обоснование критерия Фишера.

24. Оценка точности классификатора

    Описание: В статье описаны основные критерии оцеки точности классификатора.

25. Открытый курс машинного обучения. Тема 3. Классификация, деревья решений и метод ближайших соседей

    Описание: В статье подробно рассмотрены подходы к классификации и несколько алгоритмов классификации, а также приведена их имплементация.

26. Методы классификации и прогнозирования. Деревья решений

    Описание: В лекции описывается метод деревьев решений, рассматриваются элементы дерева решения, процесс его построения. Приведены примеры деревьев, решающих задачу классификации, а также даны алгоритмы конструирования деревьев решений CART и C4.5.

27. Оценка классификатора (точность, полнота, F-мера)

    Описание: В статье описано назначение и формулы вычисления основных оценочных параметров классификации.

28. Наивный байесовский классификатор

    Описание: В заметке описывается теория и практическое применение наивного байесовского классификатора.

29. Топ-10 data mining-алгоритмов простым языком

    Описание: В статье кратко и концентрировано описаны основные Data Mining алгоритмы и их назначение.

Научные журналы

30. Международный научно-практический журнал Программные продукты и системы

    Описание:Издание рассчитано на пользователей, программистов, разработчиков во всех областях жизнедеятельности. Предоставляет открытый доступ к научным публикациям.

31. Expert Systems with Applications

    Описание:Издание обладает очень большим количеством научных статей связанных с экспертными системами и разрабатываемыми приложениями. Полезен для работников научной IT сферы. Публикации не имеют открытого доступа.

Книги по теме магистерской работы

32. Интернетика:Навигация в сложных сетях: модели и алгоритмы. Книжный дом «Либроком»

    Авторы: Ландэ Д.В., Снарский А.А., Безсуднов И.В.

    Описание: В книге рассматриваются вопросы, относящиеся к информационной структуре веб-пространства, теории сложных сетей, моделям информационного поиска и глубинного анализа текстов, общим закономерностям современных информационных потоков и их моделированию. В книге рассматриваются вопросы, относящиеся к информационной структуре веб-пространства, теории сложных сетей, моделям информационного поиска и глубинного анализа текстов, общим закономерностям современных информационных потоков и их моделированию.

33. Поиск знаний в Internet.

    Авторы: Ландэ Д.В.

    Описание: Книга посвящена современным подходам к получению новых знаний на основе анализа информационного пространства сети Internet и методам обработки информационных потоков с целью выявления значимых тенденций, понятий, феноменов, их взаимосвязей.

Ресурсы и материалы для изучения Python

34. Python Weekly

    Описание: Это бесплатный еженедельный электронный бюллетень, в котором публикуются новости, статьи, новые выпуски, вакансии и многое другое.

35. Программирование на Python

    Описание: Курс посвящен базовым понятиям и элементам языка программирования Python (операторы, числовые и строковые переменные, списки, условия и циклы). Курс является вводным и наиболее подойдет слушателям, не имеющим опыта написания программ ни на одном из языков программирования.

36. Python 3 для начинающих

    Описание: Сайт призван помочь начинающим научиться программировать на python 3.

37. Python: основы и применение

    Описание: Курс посвящен базовым принципам языка Python и программирования в целом. Он хорошо подойдет тем, кто уже может писать простейшие программы на Python или тем, кто до этого программировал на других языках.

38. Питоньютор

    Описание: Интерактивный учебник языка Python, дает теорию в удобной форме, и позволяет решать задачи прямо на сайте.

39. Язык программирования Python

    Описание: Изучается язык программирования Python, его основные библиотеки и некоторые приложения на примере языка Python рассматриваются такие важные понятия как: объектно-ориентированное программирование, функциональное программирование, событийно-управляемые программы (GUI-приложения), форматы представления данных (Unicode, XML и т.п.).

Datasets

40. Kaggle

    Описание: Интернет-сообщество специалистов по обработке данных и машинному обучению, принадлежащее Google LLC. Kaggle позволяет пользователям находить и публиковать наборы данных и многое другое.

41. IFAR-10

    Описание: CIFAR-10 – это популярный набор данных компьютерного зрения, собранный Алексом Крижевским, Винодом Наиром и Джеффри Хинтоном. Этот набор данных используется для распознавания объектов и состоит из 60000 цветных изображений 32x32 в 10 классах, по 6000 изображений на класс.

42. ImageNet

    Описание: Один из популярных наборов данных для проектов Computer Vision, предоставляет доступную базу данных изображений, которая организована в соответствии с иерархией WordNet.

43. COCO or Common Objects in COntext

    Описание: Крупномасштабный набор данных для обнаружения объектов, сегментации и субтитров. Набор данных содержит фотографии 91 типа объектов, которые легко узнаваемы и имеют в общей сложности 2,5 миллиона помеченных экземпляров в изображениях 328 тыс.

44. MPII Human Pose Dataset

    Описание: Набор данных MPII Human Pose используется для оценки позы человека. Набор данных включает в себя около 25 тыс. изображений, содержащих более 40 тыс. людей с аннотированными суставами тела.

45. Visual Tracker Benchmark

    Описание: Портал содержит данные и код оценки производительности алгоритмов визуального отслеживания. На сайте предоставлены результаты тестов, набор данных с анотациями, библиотека кодов.

Специализированные сайты и порталы

46. Data Science

    Описание: Портал содержит множество полезных статей по Data Science.

47. UCI Machine Learning Repository

    Описание: Репозиторий с наборами данных для машинного обучения. Очень полезен для тестирования качества классификации.

48. Хабр

    Описание: Портал с огромным количеством пользовательских статей, связанных с IT сферой.

49. SCI-HUB

    Описание: Очень полезный сайт для получения доступа к научным публикациям с закрытым доступом.

50. CYBERLENINKA

    Описание: Научная электронная библиотека, предоставляющая открытый доступ к множеству научных публикаций.

51. НОУ ИНТУИТ

    Описание: Организация, которая предоставляет возможность дистанционного образования с помощью своих материалов, которые выложены на их сайте.

52. Towards Data Science

    Описание: Ресурс предоставляет множество статей, концепций, идей и кодов по направлению Data Science.