Difference between revisions of "Week 8"

From m1p.org
Jump to: navigation, search
 
(8 intermediate revisions by 2 users not shown)
Line 1: Line 1:
'''Construct your paper.'''
+
{{#seo:
 +
|title=Course My first scientific paper: Week 8
 +
|titlemode=replace
 +
|keywords=My first scientific paper
 +
|description=Course My first scientific paper: The goal of the week is to construct your paper, and check that all sections of the article are formally written, and prepared for review.
 +
}}
  
Цель этой недели – проверить, что все разделы статьи формально написаны и подготовить статью к рецензированию.  
+
The goal is to construct your paper and check that all sections of the article are prepared for review.
  
 
== D: Document, the whole ==
 
== D: Document, the whole ==
* Название
+
 
* Аннотация (пишется в первую очередь и переписываются после завершения работ): указание на область, изложение идеи и центрального результата (не более 600 знаков)
+
# Название
* Ключевые слова (основные термины; можно использовать те, которые дали хорошие результаты поиска)
+
# Аннотация (пишется в первую очередь и переписываются после завершения работ): указание на область, изложение идеи и центрального результата (не более 600 знаков)
* Введение (около страницы, не более двух); примерный план по абзацам:
+
# Ключевые слова (основные термины; можно использовать те, которые дали хорошие результаты поиска)  
** Основное сообщение — чему посвящена работа (одна-две фразы)
+
#[[Step 1|Keywords]], [[Step 1|Highlights]], [[Step 4|Graphical highlights]] See the Art of Scientific research and links to Elsevier, Springer
** Определения основных терминов согласно критерию ССС: Correct, Complete, Concise (корректно, полно, сжато)
+
# Введение (около страницы, не более двух); примерный план по абзацам:
** Основная идея (не более абзаца)
+
#* Основное сообщение — чему посвящена работа (одна-две фразы)
** Обзор литературы — развитие предлагаемой идеи (два абзаца)
+
#* Определения основных терминов согласно критерию ССС: Correct, Complete, Concise (корректно, полно, сжато)
** Современное состояние области (два-четыре абзаца)
+
#* Основная идея (не более абзаца)
** Что предлагается с преимуществами и недостатками относительно близких работ (два абзаца)
+
#* Обзор литературы — развитие предлагаемой идеи (два абзаца)
* Постановка задачи (примерно страница)
+
#* Современное состояние области (два-четыре абзаца)
** Дано (как устроена выборка, модель измерения, алгебраическая структура)
+
#* Что предлагается с преимуществами и недостатками относительно близких работ (два абзаца)
** Предполагается, что (статистические гипотезы, гипотезы порождения данных)
+
# Постановка задачи (примерно страница)
** Ограничения и другие предположения о характере данных
+
#* Дано (как устроена выборка, модель измерения, алгебраическая структура)
** Функция ошибки, правдоподобия, функционал или критерий качества искомой модели, решения (часто вытекает из гипотезы порождения данных)
+
#* Предполагается, что (статистические гипотезы, гипотезы порождения данных)
** Стратеги разбиения выборки, пополнения выборки, скользящего контроля
+
#* Ограничения и другие предположения о характере данных
** Внешние, эксплуатационные критерий качества тут или в эксперименте  
+
#* Функция ошибки, правдоподобия, функционал или критерий качества искомой модели, решения (часто вытекает из гипотезы порождения данных)
** Дополнительные требования к решению (к тому, что мы получаем в результате решения)
+
#* Стратеги разбиения выборки, пополнения выборки, скользящего контроля
* Решение: математическая часть (тут название первого раздела)
+
#* Внешние, эксплуатационные критерий качества тут или в эксперименте  
** Свойства модели или предлагаемого решения
+
#* Дополнительные требования к решению (к тому, что мы получаем в результате решения)
** Описание алгоритма получения решения
+
# Решение: математическая часть (тут название первого раздела)
** Свойства алгоритма
+
#* Свойства модели или предлагаемого решения
* Другие разделы (если есть, например, альтернативные решения)
+
#* Описание алгоритма получения решения
* Вычислительный эксперимент
+
#* Свойства алгоритма
** Цель эксперимента (что ожидаем получить, какую гипотезу проверяем)
+
# Другие разделы (если есть, например, альтернативные решения)
** Описание постановки и условий эксперимента
+
# Вычислительный эксперимент
** Описание данных, достаточное, чтобы воспроизвести эксперимент самостоятельно, ссылка на выборку
+
#* Цель эксперимента (что ожидаем получить, какую гипотезу проверяем)
** Описание алгоритма или ход эксперимента
+
#* Описание постановки и условий эксперимента
** Описание полученных результатов
+
#* Описание данных, достаточное, чтобы воспроизвести эксперимент самостоятельно, ссылка на выборку
*** Графики с подробной подписью: в пояснении указать 1) что видит читатель, что показано на графике, 2) какие следствия вытекают из показанного
+
#* Описание алгоритма или ход эксперимента
*** Таблицы с подписью сверху: 1) сослаться на формулы, поясняющие значения столбцов 2) написать о следствиях
+
#* Описание полученных результатов
** Выводы, сравнение результатов, полученных альтернативным путем
+
#* Графики с подробной подписью: в пояснении указать 1) что видит читатель, что показано на графике, 2) какие следствия вытекают из показанного
** Ссылка на  '''github.com/Intelligent-Systems-Phystech/'''ваша_папка для того, чтобы другие исследователи могли проверить результаты или использовать их в дальнейшей работе
+
#* Таблицы с подписью сверху: 1) сослаться на формулы, поясняющие значения столбцов 2) написать о следствиях
* Заключение: сжатое изложение результатов и планы дальнейших исследований (1/4 страницы)
+
#* Выводы, сравнение результатов, полученных альтернативным путем
* Литература: опорные статьи за последние 10 лет, максимально покрывающие тематику (не менее 17-30 ссылок)
+
#* Ссылка на ваш проект в GitHub для того, чтобы другие исследователи могли проверить результаты или использовать их в дальнейшей работе
** Взять всю литературу из LinReview и для обсуждения полного текста работы привести полный список
+
# Заключение: сжатое изложение результатов и планы дальнейших исследований (1/4 страницы)
** Совет: используйте команду TeX \nocite{*} при выводе из файла bbl для получения полного списка
+
# Литература: опорные статьи за последние 10 лет, максимально покрывающие тематику (не менее 17-30 ссылок)
<!--
+
#* Взять всю литературу из LinReview и для обсуждения полного текста работы привести полный список
 +
#* Совет: используйте команду TeX \nocite{*} при выводе из файла bbl для получения полного списка
 +
<!--
 
''' [[Написание отчётов и статей (рекомендации)|План технического отчета]] '''
 
''' [[Написание отчётов и статей (рекомендации)|План технического отчета]] '''
 
* Аннотация: изложение краткого содержания и основных результатов (не более 600 знаков).
 
* Аннотация: изложение краткого содержания и основных результатов (не более 600 знаков).
Line 78: Line 85:
 
-->
 
-->
  
==Resources==
+
==Homework==
* [https://www.youtube.com/watch?v=mvzB7-KSLNs Video for week 8].
+
# Check your links in the group table, they work
* [http://www.machinelearning.ru/wiki/images/8/8d/M1p_lect8.pdf Slides for week 8].
+
# Organize your repository
* Examples of papers
+
## Update readme
*# Katrutsa A.M., Strijov V.V. Comprehensive study of feature selection methods to solve multicollinearity problem according to evaluation criteria // Expert Systems with Applications, 2017 [http://strijov.com/papers/Katrutsa2016QPFeatureSelection.pdf article]
+
## Update the GitHub .ignore file
*# Motrenko A., Strijov V., Weber G.-W. Bayesian sample size estimation for logistic regression // Journal of Computational and Applied Mathematics, 2014, 255 : 743-752. [http://strijov.com/papers/MotrenkoStrijovWeber2012SampleSize.pdf article]
+
## Remove temporary files
*# Kulunchakov A.S., Strijov V.V. Generation of simple structured Information Retrieval functions by genetic algorithm without stagnation // Expert Systems with Applications, 2017, 85 : 221-230. [http://strijov.com/papers/Kulunchakov2014RankingBySimpleFun.pdf article]
+
## Remove files that are not yours, for example, cited papers
* Examples of presentations
+
## Check if the repository structure and content are clear to the reader
*# [http://machinelearning.ru/wiki/images/f/f2/Aduenko_presentation.pdf Пример 1],
+
# Fill in the rest of the content and prepare the [[Week 8#D: Document, the whole|whole '''D'''ocument]]
*# [http://machinelearning.ru/wiki/images/8/8e/Isachenko2016DiplomaPresentation.pdf Пример 2]
+
# Prepare your four-minute [[Week 8#M*: Middle talk|'''M'''iddle talk]]
*# [http://svn.code.sf.net/p/mlalgorithms/code/Group374/Pogodin2017Nonconvexity/Pogodin_bachelor_thesis_2017.pdf Пример 3]
+
# Upload the updated slides and paper
*# [http://machinelearning.ru/wiki/images/c/c1/Shibaev2018Presentation.pdf Пример 4]
+
 
*# [http://machinelearning.ru/wiki/images/7/7f/Stenina2015MSThesisPresentation.pdf Пример 5]
+
<!--* [https://www.youtube.com/watch?v=mvzB7-KSLNs Video for week 8].
 +
* [http://www.machinelearning.ru/wiki/images/8/8d/M1p_lect8.pdf Slides for week 8].-->
 +
===Examples of papers===
 +
# Katrutsa A.M., Strijov V.V. Comprehensive study of feature selection methods to solve multicollinearity problem according to evaluation criteria // Expert Systems with Applications, 2017 [http://strijov.com/papers/Katrutsa2016QPFeatureSelection.pdf article]
 +
# Motrenko A., Strijov V., Weber G.-W. Bayesian sample size estimation for logistic regression // Journal of Computational and Applied Mathematics, 2014, 255 : 743-752. [http://strijov.com/papers/MotrenkoStrijovWeber2012SampleSize.pdf article]
 +
# Kulunchakov A.S., Strijov V.V. Generation of simple structured Information Retrieval functions by genetic algorithm without stagnation // Expert Systems with Applications, 2017, 85 : 221-230. [http://strijov.com/papers/Kulunchakov2014RankingBySimpleFun.pdf article]
 +
===Examples of presentations===
 +
# [http://machinelearning.ru/wiki/images/f/f2/Aduenko_presentation.pdf Пример 1],
 +
# [http://machinelearning.ru/wiki/images/8/8e/Isachenko2016DiplomaPresentation.pdf Пример 2]
 +
# [http://svn.code.sf.net/p/mlalgorithms/code/Group374/Pogodin2017Nonconvexity/Pogodin_bachelor_thesis_2017.pdf Пример 3]
 +
# [http://machinelearning.ru/wiki/images/c/c1/Shibaev2018Presentation.pdf Пример 4]
 +
# [http://machinelearning.ru/wiki/images/7/7f/Stenina2015MSThesisPresentation.pdf Пример 5]

Latest revision as of 15:38, 10 April 2025

The goal is to construct your paper and check that all sections of the article are prepared for review.

D: Document, the whole

  1. Название
  2. Аннотация (пишется в первую очередь и переписываются после завершения работ): указание на область, изложение идеи и центрального результата (не более 600 знаков)
  3. Ключевые слова (основные термины; можно использовать те, которые дали хорошие результаты поиска)
  4. Keywords, Highlights, Graphical highlights See the Art of Scientific research and links to Elsevier, Springer
  5. Введение (около страницы, не более двух); примерный план по абзацам:
    • Основное сообщение — чему посвящена работа (одна-две фразы)
    • Определения основных терминов согласно критерию ССС: Correct, Complete, Concise (корректно, полно, сжато)
    • Основная идея (не более абзаца)
    • Обзор литературы — развитие предлагаемой идеи (два абзаца)
    • Современное состояние области (два-четыре абзаца)
    • Что предлагается с преимуществами и недостатками относительно близких работ (два абзаца)
  6. Постановка задачи (примерно страница)
    • Дано (как устроена выборка, модель измерения, алгебраическая структура)
    • Предполагается, что (статистические гипотезы, гипотезы порождения данных)
    • Ограничения и другие предположения о характере данных
    • Функция ошибки, правдоподобия, функционал или критерий качества искомой модели, решения (часто вытекает из гипотезы порождения данных)
    • Стратеги разбиения выборки, пополнения выборки, скользящего контроля
    • Внешние, эксплуатационные критерий качества тут или в эксперименте
    • Дополнительные требования к решению (к тому, что мы получаем в результате решения)
  7. Решение: математическая часть (тут название первого раздела)
    • Свойства модели или предлагаемого решения
    • Описание алгоритма получения решения
    • Свойства алгоритма
  8. Другие разделы (если есть, например, альтернативные решения)
  9. Вычислительный эксперимент
    • Цель эксперимента (что ожидаем получить, какую гипотезу проверяем)
    • Описание постановки и условий эксперимента
    • Описание данных, достаточное, чтобы воспроизвести эксперимент самостоятельно, ссылка на выборку
    • Описание алгоритма или ход эксперимента
    • Описание полученных результатов
    • Графики с подробной подписью: в пояснении указать 1) что видит читатель, что показано на графике, 2) какие следствия вытекают из показанного
    • Таблицы с подписью сверху: 1) сослаться на формулы, поясняющие значения столбцов 2) написать о следствиях
    • Выводы, сравнение результатов, полученных альтернативным путем
    • Ссылка на ваш проект в GitHub для того, чтобы другие исследователи могли проверить результаты или использовать их в дальнейшей работе
  10. Заключение: сжатое изложение результатов и планы дальнейших исследований (1/4 страницы)
  11. Литература: опорные статьи за последние 10 лет, максимально покрывающие тематику (не менее 17-30 ссылок)
    • Взять всю литературу из LinReview и для обсуждения полного текста работы привести полный список
    • Совет: используйте команду TeX \nocite{*} при выводе из файла bbl для получения полного списка

M*: Middle talk

Make one-slide presentation to introduce the main principle of your work.

  1. Use the slide template
  2. Set the all the slides you can extract from the paper:
    1. title,
    2. goals,
    3. one-slide, corrected, now it is No. 3,
    4. literature, five items, no more,
    5. problem statement starts with hypothesis, the model included,
    6. problem statement ends with quality criterions,
    7. problem solution, theoretical part,
    8. goals of the computational experiment, including general statistics,
    9. error analysis,
    10. table models-data sets-criterions,
    11. results and conclusions.
  3. Check the link to your slides in the result table.
  4. Prepare a talk for 2-5 min.
  5. See examples in the lecture slides.


Homework

  1. Check your links in the group table, they work
  2. Organize your repository
    1. Update readme
    2. Update the GitHub .ignore file
    3. Remove temporary files
    4. Remove files that are not yours, for example, cited papers
    5. Check if the repository structure and content are clear to the reader
  3. Fill in the rest of the content and prepare the whole Document
  4. Prepare your four-minute Middle talk
  5. Upload the updated slides and paper

Examples of papers

  1. Katrutsa A.M., Strijov V.V. Comprehensive study of feature selection methods to solve multicollinearity problem according to evaluation criteria // Expert Systems with Applications, 2017 article
  2. Motrenko A., Strijov V., Weber G.-W. Bayesian sample size estimation for logistic regression // Journal of Computational and Applied Mathematics, 2014, 255 : 743-752. article
  3. Kulunchakov A.S., Strijov V.V. Generation of simple structured Information Retrieval functions by genetic algorithm without stagnation // Expert Systems with Applications, 2017, 85 : 221-230. article

Examples of presentations

  1. Пример 1,
  2. Пример 2
  3. Пример 3
  4. Пример 4
  5. Пример 5