Машинное обучение на больших данных 2021

О курсе

Курс читается для студентов 4-го курса ПМИ ФКН ВШЭ в 3 модуле. Проводится с 2017 года.

Лектор: Зимовнов Андрей Вадимович

Лекции ПМИ проходят по понедельникам в 11:10 по ссылке.

Вычислительные мощности в облаке Azure для курса предоставила компания Microsoft.

Полезные ссылки

Таблица с оценками: https://docs.google.com/spreadsheets/d/1cdzBaW_k4uzyMDtBijeyjji0o21VhJ3g-mO185vmKso/edit#gid=0

Репозиторий с лекциями на GitHub

Репозиторий с семинарами на GitHub

YouTube канал с записями всех занятий

Самостоятельные задачи cдаются в Dropbox. Дедлайны жесткие. Для каждого семинара своя отдельная ссылка на прием заданий:

Задание	Ссылка для сдачи	Ссылка на домашнее задание	Дата выдачи	Дедлайн
Мини домашнее задание 1. Azure & Bash	https://www.dropbox.com/request/wLLX3aHRKwahk0ukMYxe	https://bit.ly/2NbF2QX	20 января	3 февраля 23:59
Мини домашнее задание 2. Hadoop & Spark	https://www.dropbox.com/request/jctWv4RclpbNUr7G4WCX	https://bit.ly/3aSQbyd	10 февраля	7 марта 23:59
Мини домашнее задание 3. Classic models	https://www.dropbox.com/request/AS0pVq4PVvn8IEk8aHQI	https://bit.ly/2ZKYvev	24 февраля	17 марта 23:59
Мини домашнее задание 4. Neural netowrks	https://www.dropbox.com/request/lgnAY7cd2gNVTCMFqZY0	https://bit.ly/3lyUns8	18 марта	28 марта 23:59
Мини домашнее задание 5 (бонусное). KNN & Streaming	https://www.dropbox.com/request/8xvTfpzu14UVkN6oTf49	Ищите в ноутбуках с последних семинаров	17 марта	28 марта 23:59
Основное домашнее задание	https://www.dropbox.com/request/ntCyZLdoaRzUA4GohBEH	https://bit.ly/3bAmmmx	24 февраля	28 марта 23:59

Канал в telegram для объявлений: https://t.me/joinchat/RNZgXfAHNbG_biu3

Ошибки в материалах лекций/семинаров/заданий лучше всего оформлять в виде issue на github.

Семинары

Группа	Преподаватель	Время	Аудитория
МОП 171	Космачев Алексей Дмитриевич	Среда 14:40 - 16:00	Zoom конференция
МОП 172	Орлов Никита Андреевич	Вторник 11:10 - 12:30	Zoom конференция

Консультации

Консультации с преподавателями и учебными ассистентами (если иное не оговорено на странице семинаров конкретной группы) по курсу проводятся по предварительной договорённости ввиду невостребованности регулярных консультаций.

При необходимости, можно писать на почту или в Telegram:

Алексей – @adkosm

Никита – @naorlov

Правила выставления оценок

В курсе предусмотрено несколько форм контроля знания:

• Мини домашние задания (4 обязательных и 1 бонусное)
• Основное домашнее задание

Итоговая оценка вычисляется:

O_{итоговая} = 0.125*(O_МДЗ1 + O_МДЗ2 + O_МДЗ3 + O_МДЗ4) + 0.5*O_ДЗ

Округление арифметическое.

Правила сдачи заданий

На все домашние задания каждому студенту отводится ~500$ для работы в облаке Azure. Важно останавливать\удалять ресурсы, создаваемые в облаке, так как в противном случае финансов может не хватить для выполнения всех заданий. Полезно при этом овладеть навыком сохранения промежуточных данных в облачном хранилище - это позволит максимально быстро выполнять задания с минимальными финансовыми затратами.

Дедлайны по всем домашним заданиям являются жёсткими, то есть после срока работы не принимаются.

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

Полезные материалы

Книги

1. Ron Bekkerman, Mikhail Bilenko, John Langford. Scaling up Machine Learning: Parallel and Distributed Approaches, Cambridge University Press, 2011.
2. Jure Leskovec, Anand Rajaraman, Jeff Ullman. Mining of Massive Datasets, Cambridge University Press, 2014.
3. Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning (Adaptive Computation and Machine Learning series), The MIT Press, 2016.
4. Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills. Advanced Analytics with Spark: Patterns for Learning from Data at Scale, O'Reilly Media, 2015.

Странички прошлых лет

http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных

http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных_2020