#machinelearning #programowanie #ekonometria Czy jakiś dobry Mirek pomógłby mi w wyborze tematu pracy licencjackiej? Sprawa wygląda tak, że studiuję informatykę i ekonometrię oraz zamierzam pisać pracę związaną z uczniem maszynowym. Problemem jest, że nie mam fajnego pomysłu na pracę. Wiem na pewno, że nie zamierzam pisać o rozpoznawaniu obrazów itp. Możecie mi polecić jakieś źródło informacji, albo ciekawy temat na pracę? Co do technologii to zestaw: #python oraz R ( ͡°͜ʖ͡°)
zaczynasz regresja liniowa jako benchmark, robisz do niech pelna diagnostyke (reset, brausch pagana, whitea, analiza outlierow) pozniej dokladasz regularyzacje pod postacia ridge / lasso i na koncu jakis xgboost.
mozesz opisac istote regularyzacji w machine learningu na przykladzie tego zbiorku
Ciekawym tematem jest coś takiego jak LIME (https://github.com/marcotcr/lime - tutaj paczka dla pythona ale też jest do R). Generalnie chodzi o to, że masz model czarnej skrzynki (np. sieci, ale może być cokolwiek innego co jest trudno interpretować, np. xgboost) i teraz bierzesz to LIME i pożesz zinterpretować model w pewnym otoczeniu punktu.
Moim zdaniem na pracę licencjacką bardzo fajna rzecz, bo w miarę świeża, a temat jest ważny. Co prawda
@Kura_Wasylisa Ogólnie sprawa jest otwarta. Teraz mamy szukać praktyk i myślałem o stażu w teamie Data Science w UBS. Problemem jest, że ekonometrię mam dopiero teraz i jeszcze nie mogę o niej dużo powiedzieć. Co do machine learning to temat mnie interesuje od jakiegoś czasu, dodatkowo zawsze dobrze czułem się w matmie i statystyce. Także wybór pracy dyplomowej i stażu to będzie ostateczne podjęcie decyzji
@batek254: to napisz prace, w ktorej budujesz model zawierajacy dobre praktyki machine learningowe w oparciu o jakis znany ale niebanalny dataset :D moglbys to wykorzystac do szukania stazu.
@Kura_Wasylisa właśnie moim planem jest, by wszystko pięknie się spajało, tylko problemem jest, że doktor u którego zamierzam pisać pracę chce, by przyjść do niego z gotowym tematem, a samemu ciężko coś wybrać w połowie zajęć z ekonometrii (╯°□°）╯︵┻━┻
@batek254: weź może jakisz zbiór szeregów czasowych,np jakiś wykres giełdowy czy coś,potem na ich podstawie spróbuj wysyntezować własne,sztuczne takie szeregi a potem dla obu zrób modele predykcyjne i porównaj wyniki.
https://www.kaggle.com/c/house-prices-advanced-regression-techniques
zaczynasz regresja liniowa jako benchmark, robisz do niech pelna diagnostyke (reset, brausch pagana, whitea, analiza outlierow) pozniej dokladasz regularyzacje pod postacia ridge / lasso i na koncu jakis xgboost.
mozesz opisac istote regularyzacji w machine learningu na przykladzie tego zbiorku
Komentarz usunięty przez autora
Moim zdaniem na pracę licencjacką bardzo fajna rzecz, bo w miarę świeża, a temat jest ważny. Co prawda