• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Проектная группа «Визуализация событий жизненного пути»

Анализ времени, интенсивности и последовательности наступления событий жизни — это задачи, актуальные для демографии, социологии, психологии и других наук. С появлением больших массивов данных и совершенствованием методов их анализа всё более востребованной становится работа с событиями жизни не только по отдельности, но и вместе: изучение сочетаний событий, порядка их наступления. На пересечении демографических, статистических и математических методов появляются новые способы визуализации и анализа наступления событий жизни.

Проектная группа состоит из демографов, социологов и специалистов из компьютерных наук. Вместе мы отвечаем на следующие вопросы:

  • как изобразить многообразие жизненных путей?
  • как сделать, чтобы было не только наглядно, но и интуитивно понятно?
  • как сделать, чтобы было не только понятно, но давало прирост научного знания?

В поисках ответов на эти вопросы нам помогает сетка Лексиса, статистический анализ и анализ последований (математическое алгоритмирование). Мы не только создаем визуально понятные схемы, но и применяем новые методы анализа, основанные на машинном обучении (Machine Learning).

Видео с наших встреч и выступлений доступны на канале Youtube.

Новости

Машинное обучение для демографических последовательностей
7 декабря, 2020 г.
Существует множество данных, которые можно анализировать с помощью современных методов интеллектуального анализа данных для достижения лучших результатов. С одной стороны, основной выбранной задачей является сравнение различных методов предсказания следующего события в последовательности с учетом признаков, с другой стороны, мы уделяем особое внимание интерпретируемым паттернам, которые характеризуют последовательности. Были рассмотрены интерпретируемые методы - деревья решений и их ансамбли, а также полуинтерпретируемые или неинтерпретируемые методы, такие как метод SVM с различными настраиваемыми ядрами, и нейронные сети, соответственно. Наилучшие результаты по точности были получены с двухканальными сверточными нейронными сетями.
30 ноября, 2020 г.
Способы визуализации событий жизни: сетка Лексиса
9 ноября, 2020 г.
Анна Муратова выступила с докладом "Machine Learning Methods for Demographic Data Analysis" на конференции AIST 2020 - The 9th International Conference on Analysis of Images, Social Networks and Texts.
16 октября, 2020 г.
Подготовка данных для анализа событий жизни
5 октября, 2020 г.
Еще новости