A complete framework for deep feature selection

הרקע לפרויקט:

הפרוייקט יעסוק בבחירת מאפיינים בצורה מפוקחת וכן בלתי מפוקחת. הטכנולוגיה הרלוונטית היא רשתות נוירונים ושיטה המבוססת על קירוב רציף של משתנה אקראי המאפשר גזירה באצעות אלגוריתמי אופטימיזציה סטנדרטים.

מטרת הפרויקט:
מטרת הפרוייקט היא יצירת מערכת מרוכזת הכוללת כלים רלוונטים שפותחו בשנים האחרונות לחילות מאפיינים. המטרה היא לאחד את הקוד וכן לייצר דוגמאות פשוטות להבנה על מנת לאפשר למשתמשים מתחילים ללמוד כיצד לבצע חילוץ מאפיינים בצורה מיטבית.

תכולת הפרויקט:

הסטודנט ילמד את המאמרים הרלוונטים. יתנסה בקוד של כל אחד מהעבודות. יאחד את כל הקודים למערכת אחת ויבנה דוגמאות פשוטות שיעזרו ללמוד כיצד להתשמש בצורה מיטבית.

קורסי קדם:

• מבוא ללמידת מכונה

מקורות:

1. Yamada, Yutaro, Ofir Lindenbaum, Sahand Negahban, and Yuval Kluger. 13--18 Jul 2020. “Feature Selection using Stochastic Gates.” In Proceedings of the 37th International Conference on Machine Learning, edited by Hal Daumé Iii and Aarti Singh, 119:10648–59. PMLR.