Современные методы машинного обучения (курс майнора) 2018/2019
Содержание
О курсе
Программа
Официальная программа появится после ее утверждения. Пока можно посмотреть черновик.
Оценка за курс
Оценка за курс складывается из:
- Домашние работы.
- Проверочные работы на семинарах.
- Письменная контрольная.
- Экзамен.
Оценка вычисляется по следующим формулам:
ИТОГ = 0.7 * НАКОПЛЕННАЯ + 0.3 * ЭКЗАМЕН
НАКОПЛЕННАЯ = 0.1 * ПРОВЕРОЧНЫЕ + 0.7 * ДЗ + 0.2 * КОНТРОЛЬНАЯ
На усмотрение семинариста и лектора могут выставляться автоматы.
[? Таблица с оценками]
Обратная связь
По срочным вопросам можно писать напрямую в телеграме: https://t.me/ZEMUSHKA
По вопросам касательно лекций можете писать на zimovnov+minor@gmail.com, добавляя строку "[Майнор ИАД]" в заголовок письма.
По этой ссылке можно оставить анонимный отзыв или предложение для курса: https://goo.gl/forms/mhZxfEXinxJ27Bm02
Канал в Телеграме с важными объявлениями: https://t.me/mml_2018
По административным вопросам обращайтесь к Ивановой Оксане Анатольевне, oksanaivanova@hse.ru
Семинарские группы
[? Списки групп]
Учебный процесс
Лекции
1 модуль
Лекция 1 (20 сентября). Методы оптимизации. Слайды.
Лекция 2 (27 сентября). Градиентный бустинг. Слайды. (обновлены 29 сентября)
Лекция 3 (4 октября). Нейросети: MLP Слайды.
Лекция 4 (11 октября). Нейросети: CNN Слайды.
Лекция 5 (18 октября). Нейросети: трюки Слайды. (обновлены 28 октября)
2 модуль
Лекция 1 (1 ноября). Нейросети: RNN Слайды. (обновлены 4 ноября)
Лекция 2 (8 ноября). Нейросети: другие CNN задачи, transfer learning и автокодировщики Слайды.
Лекция 3 (15 ноября). Консультация + Нейросети: другие RNN задачи, image-captioning Слайды.
Лекция 4 (22 ноября). Письменная контрольная
Лекция 5 (29 ноября). Учимся работать с тензорами в TensorFlow Слайды. Код
Лекция 6 (6 декабря). Отменена
Лекция 7 (13 декабря). Прогнозирование временных рядов Слайды.
Контрольная
Программа контрольной: https://docs.google.com/document/d/1-hF7gIcR8GePwM6NZQi9tdVMG6hiD30psOfso-MG794/edit?usp=sharing Контрольная (письменная) пройдет в лекционной аудитории.
[? Оценки за контрольную.]
Домашние задания
Штраф за каждый день просрочки - 1 (из 10) балл.
ДЗ 1: https://docs.google.com/document/d/1UgDvwvwtaPqtZPO1VLz67GVz8ho2rsVFbOZRMQzKp6Y/edit?usp=sharing
Ноутбук ДЗ1: https://colab.research.google.com/github/ZEMUSHKA/mml-minor/blob/master/hw/minor_hw_1.ipynb
ДЗ2: https://docs.google.com/document/d/1hUjK3ZTmMbcuDcXAkB2c8TFdSoVAtPikE9HtdTyu6ns/edit?usp=sharing
Ноутбук ДЗ2: https://colab.research.google.com/github/ZEMUSHKA/mml-minor/blob/master/hw/minor_hw_2.ipynb
Страницы групп
?
Экзамен
Экзамен (письменный) пройдет 20 декабря в 16:00 в аудитории К10.
Программа экзамена: https://docs.google.com/document/d/121eSSLYoZDTPzNxmJL5TBP1RmgGrlS7FufQOzdPTmjg/edit?usp=sharing
Материалы
В конце слайдов каждой лекции есть небольшая подборка материалов по теме лекции. Ниже приведен набор материалов, охватывающих многие темы.
Книги
- Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
- Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006. первые главы
- James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning