Lambda - Kasutaja kaastöö [et]

Võistlused

2008-05-28T15:34:30Z

Innar:

#REDIRECT [[Kategooria:Võistlused]]

Esileht

2008-05-28T15:33:39Z

Innar: Võistlused

<table>
<tr>
<td style="padding: .5em 0em 0em; " valign="top" width="60%">

[[Pilt:Remington smaller.JPG|left|Remington]] Lambda on kogumik programmeerimise ja arvutiteaduse materjalidest
koos selgituste ja kommentaaridega: kursused, õpikud, käsiraamatud.
Kõik järgnevad materjalid on vabaks kasutamiseks. Materjale kogub kokku,
kommenteerib ja täiendab kõigile huvilistele avatud [[toimetajad|toimetajate
kogukond]].
Esimesel külastusel loe kindlasti [[tutvustus|tutvustust]]!

Sait on organiseeritud esmajoones teemade ja alamteemade kaupa.
Mõni leht või materjal võib olla korraga ka mitme teema all.

<table>
<tr>
<td>

* [[Uudised]] - uut siin saidil ja mujal, lisaks lingid olulisematele uudistesaitidele.
* [[Arvutiteadus]] - erinevate valdkondade teooria.
* [[Tarkvara]] - praktilised juhatused: programmeerimine, opsüsteemid, andmebaasid jms.
* [[Riistvara]] - mitmesugust infot, esialgu vähevõitu.
* [[Võistlused]] - mitmesugused arvutiteadusega seotud võistlused.

<td valign="top">
[[Pilt:Digi small.jpg|digicomp]]
</td>
</tr>
</table>
<table>
<tr>
<td>
[[Pilt:Internet map1 small.jpg|left|Interneti kaart]]
</td>
<td>
<table>
<tr>
<td style="padding: .7em 1em 1em; background-color: #f0f0ff; text-align: left; vertical-align: top;">

<h2>Toimetaja nurk</h2>

* [http://pirrejaraak.blogspot.com/2008/01/id-ja-rfid.html ID ja RFID]
* [http://pirrejaraak.blogspot.com/2008/01/suur-vidusit.html Suur võidusõit]
* [http://pirrejaraak.blogspot.com/2007/10/informaatikanukogu.html Informaatikanõukogu]
* [http://pirrejaraak.blogspot.com/2007/09/vrgupokker-ei-ole-tavapokker.html Võrgupokker]
* [http://pirrejaraak.blogspot.com/2007/09/linuse-raev-c-aadressil.html Linuse raev C++ aadressil]

<h2>Uudised</h2>

* [http://www.slashdot.org Slashdot] - news for nerds. Tehnoloogia.
* [http://www.news.com News.com] - mainstream ja IT-äri.
* [http://www.newsforge.com/ NewsForge] - linux ja open source
* [http://www.theregister.co.uk The Register] - biting the hand ...
* [http://www.dzone.com Developer zone] - blogilinke programmeerimisest
* [http://programming.reddit.com reddit] - programmeerimine
* [http://www.digg.com/news/technology digg] - tehnoloogia

</td>
</tr>
</table>
</td>

</tr>
</table>
</td>
<td style="padding: .7em 1em 1em; background-color: #f0f0ff; text-align: left; vertical-align: top;">

<h2> Kursused </h2>

Lambda wikis sel semestril:

* [[Kasutajaliidesed võrgutehnoloogia baasil]] ehk [[itv0030]]
* [[Andmebaaside administreerimine]] ehk [[itv0090]]
* [[Teadmiste otsing, formaliseerimine ja hoidmine]] ehk [[itv0060]]
* [[Rakendusliku loogika süvakursus]] ehk [[itv0080]]
* [[Andmeside protokollid]] ehk [[itv8030]]

Eelmistel semestritel:

* [[Sissejuhatus infotehnoloogiasse]] ehk [[itv0010]]
* [[Programmeerimise põhikursus]] ehk [[iti0010]]
* [[Tehisintellektisüsteemid internetis]] ehk [[itv9170]]
* [[Võrgurakendused I: klient-server süsteemide ehitamine]], [[i202]]
* [[Semantika ja analüütiline filosoofia]] ehk [[itv0070]]
* [[Introduction to Information Technology]] ehk [[itx0025]]

Mujal:
* [http://cs.ttu.ee/tiki-index.php?page=ITV0020 Süsteemprogrammeerimine keeles C].
* [http://cs.ttu.ee/kursused/itv0050/ Operatsioonisüsteemide ja arvutivõrkude haldamine]
* [http://deepthought.ttu.ee/it/vorgutarkvara/wav3060/ Operatsioonisüsteemide tehnoloogia]
* [http://www.cs.ioc.ee/~tarmo/lcs04/ Loogika arvutiteaduses]
* [http://deepthought.ttu.ee/it/vorgutarkvara/wav4121/ Rakendusliku loogika süvakursus]
* [http://cs.ttu.ee/kursused/iti0050/ TTÜ Algoritmid ja andmestruktuurid]
* [http://cs.ttu.ee/kursused/itv0100/ Programmeerimise erikursus]

</td>
</tr>
</table>

Kategooria:Võistlused

2008-05-28T15:28:10Z

Innar:

Arvutiteaduse probleemidel on võrreldavus (''benchmarking'') ja korratavus (''repeatability'') üsnagi kriitilisel kohal
ning näitab valdkondade teatud küpsustaset. Samas, annab see tihti võimaluse
"inimesele tänavalt" oma heade uute ideedega lahendada asi hoopis teisiti ning paremini, saades korraldajatelt kohe ka hinnangu, kas taoline lahendus sobib ning tihti ka
numbrilise vaste (kui palju see on parem teistest).

Proovime siia lehe alla koondada kokku info erinevate jooksvate ja toimunud võistluste
kohta, mis enamjaolt jagunevad kaheks - algoritmika (lahendada mingi keeruline
ülesanne õigesti ning mõistliku ajaga) ning andmeanalüüs (anda mõistliku aja jooksul
kvalitatiivselt hea hinnang millelegi).

* Algoritmika võistlused
* [[Andmeanalüüsi võistlused]]

Kategooria:Võistlused

2008-05-28T15:27:23Z

Innar:

Arvutiteaduse probleemidel on võrreldavus ja korratavus üsnagi kriitilisel kohal
ning näitab valdkondade teatud küpsustaset. Samas, annab see tihti võimaluse
"inimesele tänavalt" oma heade uute ideedega lahendada asi hoopis teisiti ning paremini, saades korraldajatelt kohe ka hinnangu, kas taoline lahendus sobib ning tihti ka
numbrilise vaste (kui palju see on parem teistest).

Proovime siia lehe alla koondada kokku info erinevate jooksvate ja toimunud võistluste
kohta, mis enamjaolt jagunevad kaheks - algoritmika (lahendada mingi keeruline
ülesanne õigesti ning mõistliku ajaga) ning andmeanalüüs (anda mõistliku aja jooksul
kvalitatiivselt hea hinnang millelegi).

* Algoritmika võistlused
* [[Andmeanalüüsi võistlused]]

Andmeanalüüsi võistlused

2008-05-28T15:26:47Z

Innar:

Mõtete ja ideede korral: Innar Liiv (innar.liiv ät ttu punkt ee)

Iga aasta korraldatakse lisaks klassiklastele algoritmika võistlustele ka andmeanalüüsi (machine learning, data mining, collaborative filtering) võistluseid, kus probleemistiku püstitus jaotub tüüpiliselt kahte ossa:

* Suunatud õppimine (supervised learning)
* Suunamata õppimine (unsupervised learning)

Esimese puhul on meil lõppeesmärk hulga sisendite puhul (X1,X2,X3 jne) ennustada ühte (Y) või enamat (Y1,Y2,Y3 jne) tunnust, mis võib olla reaalarvuline (näiteks inimese eluea hindamine 94.6 aastat) või nominaalne tunnus (jah/ei binaarne, 1,2,3,4,5 järjestatud nominaalne ehk ordinaalne).

Teise puhul tüüpiliselt peame oskama sisendeid (uuritavaid objekte/nähtusi) kuidagi grupeerida või leida lähimaid sarnaseid. Tihti on jaotus ka hägune (semi-supervised learning), kui probleemistik asub kahe ülesande vahel või näiteks lõpptulemuse klassid ei ole teineteise vastandid ega välistavad . Heaks näiteks on mingi haiguse diagnoosimine või kliendistaatusest loobumine (churn prediction). Mõlemi puhul ei ole olukord triviaalne: a) kuna haiguse mitte-diagnoosimine ei pruugi tähendada, et haigust ei ole, vaid et hetkel veel ei ole diagnoositud ning b) kõik, kes pole hetkel ettevõtte klientide hulgast lahkunud, ei pruugi olla veel lojaalsed kliendid, vaid lihtsalt "pikema närviga" lähiajal lahkujad.

Soovitatav taust: prioriteediks on huvi nähtuste ja objektide käitumise uurimise ja ennustamise vastu, tehniliselt aitab oluliselt kaasa programmeerimisoskus ning keerukamate andmestruktuuride tegemise oskus. Aga peamine on idee.

Proovin siia lehele koondada hetkel käimasolevaid ning harimise mõttes ka juba lõppenud võistlusi, mis annab tudengitele ja teistele huvistele võimaluse konverteerida oma kavalad ideede ja mõtted üsnagi mõõdetavale kujule - rahaks.

Isegi kui kõigist ei õnnestu napsata peavõitu, on teid ilmselt hea shanss õppima minna edasi parimatesse ülikoolidesse või tööle minna palju "analüütikamusklit" vajavatesse firmadesse Eestis (suvaliste näidetena - Hansapank, SEB, Sampo, PriceWaterhouseCoopers, Deloitte, mitmed investeerimisfirmad jne.jne.) ja välismaal.

* [http://www.netflixprize.com/ Netflixi võistlus kliendi eelistuste kohta] - $1,000,000
* [http://mill.ucsd.edu/index.php?page=Main 2008 San Diego ülikooli Data Mining Contest] - $8,000
* [http://www.data-mining-cup.com/ 2008 Data mining cup - auhinnaks KDD 2008 osalemine (Las Vegas)]
* [http://www.cs.fit.edu/~mmahoney/compression/text.html Teksti pakkimise võistlus] - Hutter Prize auhinnafond 50 000 EUR

[[Category:Võistlused]]

Kategooria:Võistlused

2008-05-28T15:25:53Z

Innar: Seeme

Andmeanalüüsi võistlused

2008-05-28T15:20:07Z

Innar:

Andmeanalüüsi võistlused

2008-05-28T15:18:15Z

Innar:

Mõtete ja ideede korral: Innar Liiv (innar.liiv ät ttu punkt ee)

Iga aasta korraldatakse lisaks klassiklastele algoritmika võistlustele ka andmeanalüüsi (machine learning, data mining, collaborative filtering) võistluseid, kus probleemistiku püstitus jaotub tüüpiliselt kahte ossa:

* Suunatud õppimine (supervised learning)
* Suunamata õppimine (unsupervised learning)

Esimese puhul on meil lõppeesmärk hulga sisendite puhul (X1,X2,X3 jne) ennustada ühte (Y) või enamat (Y1,Y2,Y3 jne) tunnust, mis võib olla reaalarvuline (näiteks inimese eluea hindamine 94.6 aastat) või nominaalne tunnus (jah/ei binaarne, 1,2,3,4,5 järjestatud nominaalne ehk ordinaalne).

Teise puhul tüüpiliselt peame oskama sisendeid (uuritavaid objekte/nähtusi) kuidagi grupeerida või leida lähimaid sarnaseid. Tihti on jaotus ka hägune (semi-supervised learning), kui probleemistik asub kahe ülesande vahel või näiteks lõpptulemuse klassid ei ole teineteise vastandid ega välistavad . Heaks näiteks on mingi haiguse diagnoosimine või kliendistaatusest loobumine (churn prediction). Mõlemi puhul ei ole olukord triviaalne: a) kuna haiguse mitte-diagnoosimine ei pruugi tähendada, et haigust ei ole, vaid et hetkel veel ei ole diagnoositud ning b) kõik, kes pole hetkel ettevõtte klientide hulgast lahkunud, ei pruugi olla veel lojaalsed kliendid, vaid lihtsalt "pikema närviga" lähiajal lahkujad.

Soovitatav taust: prioriteediks on huvi nähtuste ja objektide käitumise uurimise ja ennustamise vastu, tehniliselt aitab oluliselt kaasa programmeerimisoskus ning keerukamate andmestruktuuride tegemise oskus. Aga peamine on idee.

Proovin siia lehele koondada hetkel käimasolevaid ning harimise mõttes ka juba lõppenud võistlusi, mis annab tudengitele ja teistele huvistele võimaluse konverteerida oma kavalad ideede ja mõtted üsnagi mõõdetavale kujule - rahaks.

Isegi kui kõigist ei õnnestu napsata peavõitu, on teid ilmselt hea shanss õppima minna edasi parimatesse ülikoolidesse või tööle minna palju "analüütikamusklit" vajavatesse firmadesse Eestis (suvaliste näidetena - Hansapank, SEB, Sampo, PriceWaterhouseCoopers, Deloitte, mitmed investeerimisfirmad jne.jne.) ja välismaal.

* [http://www.netflixprize.com/ Netflixi võistlus] - $1,000,000
* [http://mill.ucsd.edu/index.php?page=Main 2008 San Diego ülikooli Data Mining Contest] - $8,000
* [http://www.data-mining-cup.com/ 2008 Data mining cup - auhinnaks KDD 2008 osalemine (Las Vegas)]

Andmeanalüüsi võistlused

2008-05-28T15:17:17Z

Innar:

Mõtete ja ideede korral: Innar Liiv (innar.liiv ät ttu punkt ee)

Iga aasta korraldatakse lisaks klassiklastele algoritmika võistlustele ka andmeanalüüsi (machine learning, data mining, collaborative filtering) võistluseid, kus probleemistiku püstitus jaotub tüüpiliselt kahte ossa:

* Suunatud õppimine (supervised learning)
* Suunamata õppimine (unsupervised learning)

Esimese puhul on meil lõppeesmärk hulga sisendite puhul (X1,X2,X3 jne) ennustada ühte (Y) või enamat (Y1,Y2,Y3 jne) tunnust, mis võib olla reaalarvuline (näiteks inimese eluea hindamine 94.6 aastat) või nominaalne tunnus (jah/ei binaarne, 1,2,3,4,5 järjestatud nominaalne ehk ordinaalne).

Teise puhul tüüpiliselt peame oskama sisendeid (uuritavaid objekte/nähtusi) kuidagi grupeerida või leida lähimaid sarnaseid. Tihti on jaotus ka hägune (semi-supervised learning), kui probleemistik asub kahe ülesande vahel või näiteks lõpptulemuse klassid ei ole teineteise vastandid ega välistavad . Heaks näiteks on mingi haiguse diagnoosimine või kliendistaatusest loobumine (churn prediction). Mõlemi puhul ei ole olukord triviaalne: a) kuna haiguse mitte-diagnoosimine ei pruugi tähendada, et haigust ei ole, vaid et hetkel veel ei ole diagnoositud ning b) kõik, kes pole hetkel ettevõtte klientide hulgast lahkunud, ei pruugi olla veel lojaalsed kliendid, vaid lihtsalt "pikema närviga" lähiajal lahkujad.

Soovitatav taust: prioriteediks on huvi nähtuste ja objektide käitumise uurimise ja ennustamise vastu, tehniliselt aitab oluliselt kaasa programmeerimisoskus ning keerukamate andmestruktuuride tegemise oskus. Aga peamine on idee.

Proovin siia lehele koondada hetkel käimasolevaid ning harimise mõttes ka juba lõppenud võistlusi, mis annab tudengitele ja teistele huvistele võimaluse konverteerida oma kavalad ideede ja mõtted.

Isegi kui kõigist ei õnnestu napsata peavõitu, on teid ilmselt hea shanss õppima minna edasi parimatesse ülikoolidesse või tööle minna palju "analüütikamusklit" vajavatesse firmadesse Eestis (suvaliste näidetena - Hansapank, SEB, Sampo, PriceWaterhouseCoopers, Deloitte, mitmed investeerimisfirmad jne.jne.) ja välismaal.

* [http://www.netflixprize.com/ Netflixi võistlus] - $1,000,000
* [http://mill.ucsd.edu/index.php?page=Main 2008 San Diego ülikooli Data Mining Contest] - $8,000
* [http://www.data-mining-cup.com/ 2008 Data mining cup - auhinnaks KDD 2008 osalemine (Las Vegas)]

Andmeanalüüsi võistlused

2008-05-28T15:16:56Z

Innar:

Mõtete ja ideede korral: Innar Liiv (innar.liiv ät ttu punkt ee)

Iga aasta korraldatakse lisaks klassiklastele algoritmika võistlustele ka andmeanalüüsi (machine learning, data mining, collaborative filtering) võistluseid, kus probleemistiku püstitus jaotub tüüpiliselt kahte ossa:

* Suunatud õppimine (supervised learning)
* Suunamata õppimine (unsupervised learning)

Esimese puhul on meil lõppeesmärk hulga sisendite puhul (X1,X2,X3 jne) ennustada ühte (Y) või enamat (Y1,Y2,Y3 jne) tunnust, mis võib olla reaalarvuline (näiteks inimese eluea hindamine 94.6 aastat) või nominaalne tunnus (jah/ei binaarne, 1,2,3,4,5 järjestatud nominaalne ehk ordinaalne).

Teise puhul tüüpiliselt peame oskama sisendeid (uuritavaid objekte/nähtusi) kuidagi grupeerida või leida lähimaid sarnaseid. Tihti on jaotus ka hägune (semi-supervised learning), kui probleemistik asub kahe ülesande vahel või näiteks lõpptulemuse klassid ei ole teineteise vastandid ega välistavad . Heaks näiteks on mingi haiguse diagnoosimine või kliendistaatusest loobumine (churn prediction). Mõlemi puhul ei ole olukord triviaalne: a) kuna haiguse mitte-diagnoosimine ei pruugi tähendada, et haigust ei ole, vaid et hetkel veel ei ole diagnoositud ning b) kõik, kes pole hetkel ettevõtte klientide hulgast lahkunud, ei pruugi olla veel lojaalsed kliendid, vaid lihtsalt "pikema närviga" lähiajal lahkujad.

Soovitatav taust: prioriteediks on huvi nähtuste ja objektide käitumise uurimise ja ennustamise vastu, tehniliselt aitab oluliselt kaasa programmeerimisoskus ning keerukamate andmestruktuuride tegemise oskus. Aga peamine on idee.

Proovin siia lehele koondada hetkel käimasolevaid ning harimise mõttes ka juba lõppenud võistlusi, mis annab tudengitele ja teistele huvistele võimaluse konverteerida oma kavalad ideede ja mõtted.

Isegi kui kõigist ei õnnestu napsata peavõitu, on teid ilmselt hea shanss õppima minna edasi parimatesse ülikoolidesse või tööle minna palju "analüütikamusklit" vajavatesse firmadesse Eestis (suvaliste näidetena - Hansapank, SEB, Sampo, PriceWaterhouseCoopers, Deloitte, mitmed investeerimisfirmad jne.jne.) ja välismaal.

* [http://www.netflixprize.com/ Netflixi võistlus] - $1,000,000
* [http://mill.ucsd.edu/index.php?page=Main|2008 San Diego ülikooli Data Mining Contest] - $8,000
* [http://www.data-mining-cup.com/|2008 Data mining cup - auhinnaks KDD 2008 osalemine (Las Vegas)]

Andmeanalüüsi võistlused

2008-05-28T15:16:18Z

Innar:

Mõtete ja ideede korral: Innar Liiv (innar.liiv ät ttu punkt ee)

Iga aasta korraldatakse lisaks klassiklastele algoritmika võistlustele ka andmeanalüüsi (machine learning, data mining, collaborative filtering) võistluseid, kus probleemistiku püstitus jaotub tüüpiliselt kahte ossa:

* Suunatud õppimine (supervised learning)
* Suunamata õppimine (unsupervised learning)

Esimese puhul on meil lõppeesmärk hulga sisendite puhul (X1,X2,X3 jne) ennustada ühte (Y) või enamat (Y1,Y2,Y3 jne) tunnust, mis võib olla reaalarvuline (näiteks inimese eluea hindamine 94.6 aastat) või nominaalne tunnus (jah/ei binaarne, 1,2,3,4,5 järjestatud nominaalne ehk ordinaalne).

Teise puhul tüüpiliselt peame oskama sisendeid (uuritavaid objekte/nähtusi) kuidagi grupeerida või leida lähimaid sarnaseid. Tihti on jaotus ka hägune (semi-supervised learning), kui probleemistik asub kahe ülesande vahel või näiteks lõpptulemuse klassid ei ole teineteise vastandid ega välistavad . Heaks näiteks on mingi haiguse diagnoosimine või kliendistaatusest loobumine (churn prediction). Mõlemi puhul ei ole olukord triviaalne: a) kuna haiguse mitte-diagnoosimine ei pruugi tähendada, et haigust ei ole, vaid et hetkel veel ei ole diagnoositud ning b) kõik, kes pole hetkel ettevõtte klientide hulgast lahkunud, ei pruugi olla veel lojaalsed kliendid, vaid lihtsalt "pikema närviga" lähiajal lahkujad.

Soovitatav taust: prioriteediks on huvi nähtuste ja objektide käitumise uurimise ja ennustamise vastu, tehniliselt aitab oluliselt kaasa programmeerimisoskus ning keerukamate andmestruktuuride tegemise oskus. Aga peamine on idee.

Proovin siia lehele koondada hetkel käimasolevaid ning harimise mõttes ka juba lõppenud võistlusi, mis annab tudengitele ja teistele huvistele võimaluse konverteerida oma kavalad ideede ja mõtted.

Isegi kui kõigist ei õnnestu napsata peavõitu, on teid ilmselt hea shanss õppima minna edasi parimatesse ülikoolidesse või tööle minna palju "analüütikamusklit" vajavatesse firmadesse Eestis (suvaliste näidetena - Hansapank, SEB, Sampo, PriceWaterhouseCoopers, Deloitte, mitmed investeerimisfirmad jne.jne.) ja välismaal.

* [http://www.netflixprize.com/ Netflixi võistlus] - $1,000,000
* [http://mill.ucsd.edu/index.php?page=Main|2008 San Diego ülikooli Data Mining Contest] - $8,000
* [http://www.data-mining-cup.com/2008/Wettbewerb/1211976974/|2008 Data mining cup - auhinnaks KDD 2008 osalemine (Las Vegas)]

Andmeanalüüsi võistlused

2008-05-28T15:16:02Z

Innar:

Mõtete ja ideede korral: Innar Liiv (innar.liiv ät ttu punkt ee)

Iga aasta korraldatakse lisaks klassiklastele algoritmika võistlustele ka andmeanalüüsi (machine learning, data mining, collaborative filtering) võistluseid, kus probleemistiku püstitus jaotub tüüpiliselt kahte ossa:

* Suunatud õppimine (supervised learning)
* Suunamata õppimine (unsupervised learning)

Esimese puhul on meil lõppeesmärk hulga sisendite puhul (X1,X2,X3 jne) ennustada ühte (Y) või enamat (Y1,Y2,Y3 jne) tunnust, mis võib olla reaalarvuline (näiteks inimese eluea hindamine 94.6 aastat) või nominaalne tunnus (jah/ei binaarne, 1,2,3,4,5 järjestatud nominaalne ehk ordinaalne).

Teise puhul tüüpiliselt peame oskama sisendeid (uuritavaid objekte/nähtusi) kuidagi grupeerida või leida lähimaid sarnaseid. Tihti on jaotus ka hägune (semi-supervised learning), kui probleemistik asub kahe ülesande vahel või näiteks lõpptulemuse klassid ei ole teineteise vastandid ega välistavad . Heaks näiteks on mingi haiguse diagnoosimine või kliendistaatusest loobumine (churn prediction). Mõlemi puhul ei ole olukord triviaalne: a) kuna haiguse mitte-diagnoosimine ei pruugi tähendada, et haigust ei ole, vaid et hetkel veel ei ole diagnoositud ning b) kõik, kes pole hetkel ettevõtte klientide hulgast lahkunud, ei pruugi olla veel lojaalsed kliendid, vaid lihtsalt "pikema närviga" lähiajal lahkujad.

Soovitatav taust: prioriteediks on huvi nähtuste ja objektide käitumise uurimise ja ennustamise vastu, tehniliselt aitab oluliselt kaasa programmeerimisoskus ning keerukamate andmestruktuuride tegemise oskus. Aga peamine on idee.

Proovin siia lehele koondada hetkel käimasolevaid ning harimise mõttes ka juba lõppenud võistlusi, mis annab tudengitele ja teistele huvistele võimaluse konverteerida oma kavalad ideede ja mõtted.

Isegi kui kõigist ei õnnestu napsata peavõitu, on teid ilmselt hea shanss õppima minna edasi parimatesse ülikoolidesse või tööle minna palju "analüütikamusklit" vajavatesse firmadesse Eestis (suvaliste näidetena - Hansapank, SEB, Sampo, PriceWaterhouseCoopers, Deloitte, mitmed investeerimisfirmad jne.jne.) ja välismaal.

* [http://www.netflixprize.com/ || Netflixi võistlus] - $1,000,000
* [http://mill.ucsd.edu/index.php?page=Main|2008 San Diego ülikooli Data Mining Contest] - $8,000
* [http://www.data-mining-cup.com/2008/Wettbewerb/1211976974/|2008 Data mining cup - auhinnaks KDD 2008 osalemine (Las Vegas)]

Andmeanalüüsi võistlused

2008-05-28T15:15:43Z

Innar:

Mõtete ja ideede korral: Innar Liiv (innar.liiv ät ttu punkt ee)

Iga aasta korraldatakse lisaks klassiklastele algoritmika võistlustele ka andmeanalüüsi (machine learning, data mining, collaborative filtering) võistluseid, kus probleemistiku püstitus jaotub tüüpiliselt kahte ossa:

* Suunatud õppimine (supervised learning)
* Suunamata õppimine (unsupervised learning)

Esimese puhul on meil lõppeesmärk hulga sisendite puhul (X1,X2,X3 jne) ennustada ühte (Y) või enamat (Y1,Y2,Y3 jne) tunnust, mis võib olla reaalarvuline (näiteks inimese eluea hindamine 94.6 aastat) või nominaalne tunnus (jah/ei binaarne, 1,2,3,4,5 järjestatud nominaalne ehk ordinaalne).

Teise puhul tüüpiliselt peame oskama sisendeid (uuritavaid objekte/nähtusi) kuidagi grupeerida või leida lähimaid sarnaseid. Tihti on jaotus ka hägune (semi-supervised learning), kui probleemistik asub kahe ülesande vahel või näiteks lõpptulemuse klassid ei ole teineteise vastandid ega välistavad . Heaks näiteks on mingi haiguse diagnoosimine või kliendistaatusest loobumine (churn prediction). Mõlemi puhul ei ole olukord triviaalne: a) kuna haiguse mitte-diagnoosimine ei pruugi tähendada, et haigust ei ole, vaid et hetkel veel ei ole diagnoositud ning b) kõik, kes pole hetkel ettevõtte klientide hulgast lahkunud, ei pruugi olla veel lojaalsed kliendid, vaid lihtsalt "pikema närviga" lähiajal lahkujad.

Soovitatav taust: prioriteediks on huvi nähtuste ja objektide käitumise uurimise ja ennustamise vastu, tehniliselt aitab oluliselt kaasa programmeerimisoskus ning keerukamate andmestruktuuride tegemise oskus. Aga peamine on idee.

Proovin siia lehele koondada hetkel käimasolevaid ning harimise mõttes ka juba lõppenud võistlusi, mis annab tudengitele ja teistele huvistele võimaluse konverteerida oma kavalad ideede ja mõtted.

Isegi kui kõigist ei õnnestu napsata peavõitu, on teid ilmselt hea shanss õppima minna edasi parimatesse ülikoolidesse või tööle minna palju "analüütikamusklit" vajavatesse firmadesse Eestis (suvaliste näidetena - Hansapank, SEB, Sampo, PriceWaterhouseCoopers, Deloitte, mitmed investeerimisfirmad jne.jne.) ja välismaal.

* [http://www.netflixprize.com/ | Netflixi võistlus] - $1,000,000
* [http://mill.ucsd.edu/index.php?page=Main|2008 San Diego ülikooli Data Mining Contest] - $8,000
* [http://www.data-mining-cup.com/2008/Wettbewerb/1211976974/|2008 Data mining cup - auhinnaks KDD 2008 osalemine (Las Vegas)]

Andmeanalüüsi võistlused

2008-05-28T15:14:51Z

Innar:

Mõtete ja ideede korral: Innar Liiv (innar.liiv ät ttu punkt ee)

Iga aasta korraldatakse lisaks klassiklastele algoritmika võistlustele ka andmeanalüüsi (machine learning, data mining, collaborative filtering) võistluseid, kus probleemistiku püstitus jaotub tüüpiliselt kahte ossa:

* Suunatud õppimine (supervised learning)
* Suunamata õppimine (unsupervised learning)

Esimese puhul on meil lõppeesmärk hulga sisendite puhul (X1,X2,X3 jne) ennustada ühte (Y) või enamat (Y1,Y2,Y3 jne) tunnust, mis võib olla reaalarvuline (näiteks inimese eluea hindamine 94.6 aastat) või nominaalne tunnus (jah/ei binaarne, 1,2,3,4,5 järjestatud nominaalne ehk ordinaalne).

Teise puhul tüüpiliselt peame oskama sisendeid (uuritavaid objekte/nähtusi) kuidagi grupeerida või leida lähimaid sarnaseid. Tihti on jaotus ka hägune (semi-supervised learning), kui probleemistik asub kahe ülesande vahel või näiteks lõpptulemuse klassid ei ole teineteise vastandid ega välistavad . Heaks näiteks on mingi haiguse diagnoosimine või kliendistaatusest loobumine (churn prediction). Mõlemi puhul ei ole olukord triviaalne: a) kuna haiguse mitte-diagnoosimine ei pruugi tähendada, et haigust ei ole, vaid et hetkel veel ei ole diagnoositud ning b) kõik, kes pole hetkel ettevõtte klientide hulgast lahkunud, ei pruugi olla veel lojaalsed kliendid, vaid lihtsalt "pikema närviga" lähiajal lahkujad.

Soovitatav taust: prioriteediks on huvi nähtuste ja objektide käitumise uurimise ja ennustamise vastu, tehniliselt aitab oluliselt kaasa programmeerimisoskus ning keerukamate andmestruktuuride tegemise oskus. Aga peamine on idee.

Proovin siia lehele koondada hetkel käimasolevaid ning harimise mõttes ka juba lõppenud võistlusi, mis annab tudengitele ja teistele huvistele võimaluse konverteerida oma kavalad ideede ja mõtted.

Isegi kui kõigist ei õnnestu napsata peavõitu, on teid ilmselt hea shanss õppima minna edasi parimatesse ülikoolidesse või tööle minna palju "analüütikamusklit" vajavatesse firmadesse Eestis (suvaliste näidetena - Hansapank, SEB, Sampo, PriceWaterhouseCoopers, Deloitte, mitmed investeerimisfirmad jne.jne.) ja välismaal.

* [http://www.netflixprize.com/|Netflix] - $1,000,000
* [http://mill.ucsd.edu/index.php?page=Main|2008 San Diego ülikooli Data Mining Contest] - $8,000
* [http://www.data-mining-cup.com/2008/Wettbewerb/1211976974/|2008 Data mining cup - auhinnaks KDD 2008 osalemine (Las Vegas)]

Andmeanalüüsi võistlused

2008-05-28T15:12:33Z

Innar:

Mõtete ja ideede korral: Innar Liiv (innar.liiv ät ttu punkt ee)

Iga aasta korraldatakse lisaks klassiklastele algoritmika võistlustele ka andmeanalüüsi (machine learning, data mining, collaborative filtering) võistluseid, kus probleemistiku püstitus jaotub tüüpiliselt kahte ossa:

* Suunatud õppimine (supervised learning)
* Suunamata õppimine (unsupervised learning)

Esimese puhul on meil lõppeesmärk hulga sisendite puhul (X1,X2,X3 jne) ennustada ühte (Y) või enamat (Y1,Y2,Y3 jne) tunnust, mis võib olla reaalarvuline (näiteks inimese eluea hindamine 94.6 aastat) või nominaalne tunnus (jah/ei binaarne, 1,2,3,4,5 järjestatud nominaalne ehk ordinaalne).

Teise puhul tüüpiliselt peame oskama sisendeid (uuritavaid objekte/nähtusi) kuidagi grupeerida või leida lähimaid sarnaseid. Tihti on jaotus ka hägune (semi-supervised learning), kui probleemistik asub kahe ülesande vahel või näiteks lõpptulemuse klassid ei ole teineteise vastandid ega välistavad . Heaks näiteks on mingi haiguse diagnoosimine või kliendistaatusest loobumine (churn prediction). Mõlemi puhul ei ole olukord triviaalne: a) kuna haiguse mitte-diagnoosimine ei pruugi tähendada, et haigust ei ole, vaid et hetkel veel ei ole diagnoositud ning b) kõik, kes pole hetkel ettevõtte klientide hulgast lahkunud, ei pruugi olla veel lojaalsed kliendid, vaid lihtsalt "pikema närviga" lähiajal lahkujad.

Soovitatav taust: prioriteediks on huvi nähtuste ja objektide käitumise uurimise ja ennustamise vastu, tehniliselt aitab oluliselt kaasa programmeerimisoskus ning keerukamate andmestruktuuride tegemise oskus. Aga peamine on idee.

Proovin siia lehele koondada hetkel käimasolevaid ning harimise mõttes ka juba lõppenud võistlusi, mis annab tudengitele ja teistele huvistele võimaluse konverteerida oma kavalad ideede ja mõtted.

Isegi kui kõigist ei õnnestu napsata peavõitu, on teid ilmselt hea shanss õppima minna edasi parimatesse ülikoolidesse või tööle minna palju "analüütikamusklit" vajavatesse firmadesse Eestis (suvaliste näidetena - Hansapank, SEB, Sampo, PriceWaterhouseCoopers, Deloitte, mitmed investeerimisfirmad jne.jne.) ja välismaal.

* Netflix - $1,000,000
* 2008 UCSD Data Mining Contest - $8,000
* 2008 Data mining cup - auhinnaks KDD 2008 osalemine (Las Vegas)

Andmeanalüüsi võistlused

2008-05-28T15:00:39Z

Innar: Seeme

Iga aasta korraldatakse lisaks klassiklastele algoritmika võistlustele ka andmeanalüüsi (machine learning, data mining, collaborative filtering) võistluseid, kus probleemistiku püstitus jaotub tüüpiliselt kahte ossa:

* Suunatud õppimine (supervised learning)
* Suunamata õppimine (unsupervised learning)

Esimese puhul on meil lõppeesmärk hulga sisendite puhul (X1,X2,X3 jne) ennustada ühte (Y) või enamat (Y1,Y2,Y3 jne) tunnust, mis võib olla reaalarvuline (näiteks inimese eluea hindamine 94.6 aastat) või nominaalne tunnus (jah/ei binaarne, 1,2,3,4,5 järjestatud nominaalne ehk ordinaalne).

Teise puhul tüüpiliselt peame oskama sisendeid (uuritavaid objekte/nähtusi) kuidagi grupeerida või leida lähimaid sarnaseid. Tihti on jaotus ka hägune (semi-supervised learning), kui probleemistik asub kahe ülesande vahel või näiteks lõpptulemuse klassid ei ole teineteise vastandid ega välistavad . Heaks näiteks on mingi haiguse diagnoosimine või kliendistaatusest loobumine (churn prediction). Mõlemi puhul ei ole olukord triviaalne: a) kuna haiguse mitte-diagnoosimine ei pruugi tähendada, et haigust ei ole, vaid et hetkel veel ei ole diagnoositud ning b) kõik, kes pole hetkel ettevõtte klientide hulgast lahkunud, ei pruugi olla veel lojaalsed kliendid, vaid lihtsalt "pikema närviga" lähiajal lahkuvad.

Juhend:Juhend

2008-05-28T14:23:39Z

Innar:

Esialgu tasub vaadata lihtsalt MediaWiki standardjuhendeid:

* [http://et.wikipedia.org/wiki/Vikipeedia:Spikker Eestikeelne lühijuhend]
* [http://meta.wikimedia.org/wiki/Help:Contents Ingliskeelne MediaWiki juhend]
* [http://en.wikipedia.org/wiki/Wikipedia:Tutorial Inglisekeelne Tutorial]
* Konto loomiseks (aadress toimib '''ainult siis kui sul on vastavad õigused''') saab kasutada lehte http://www.lambda.ee/index.php/Eri:Userlogin

Lisaks tutvu selle saidi [[Lambda:Policy|kodukorraga]].

[[Category:Juhend]]

Juhend:Juhend

2008-05-28T14:13:34Z

Innar:

Esialgu tasub vaadata lihtsalt MediaWiki standardjuhendeid:

* [http://et.wikipedia.org/wiki/Vikipeedia:Spikker Eestikeelne lühijuhend]
* [http://meta.wikimedia.org/wiki/Help:Contents Ingliskeelne MediaWiki juhend]
* [http://en.wikipedia.org/wiki/Wikipedia:Tutorial Inglisekeelne Tutorial]
* konto loomiseks (kui sul on vastavad õigused) saab kasutada lehte http://www.lambda.ee/index.php/Eri:Userlogin

Lisaks tutvu selle saidi [[Lambda:Policy|kodukorraga]].

[[Category:Juhend]]