LSML 2021/2022

Материал из Wiki - Факультет компьютерных наук
(перенаправлено с «LSML 2020/2021»)
Перейти к: навигация, поиск

О курсе

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

Лектор: Зимовнов Андрей Вадимович Слайды лекций: https://github.com/ZEMUSHKA/lsml_hse_lectures

Семинаристы: Космачев Алексей Дмитриевич, Орлов Никита Андреевич

Лекции проходят в онлайн-режиме.

Вычислительные мощности в облаке Yandex.Cloud для курса предоставила компания Яндекс.

Полезные ссылки

Получение доступа к Облаку - https://forms.gle/EHbESruXChJhcAo8A

Таблица с оценками: https://docs.google.com/spreadsheets/d/1IVUCvAcFyfVUOH9lAajIvsVr4ejxetSga6aApkIWkB8

Канал в telegram для объявлений: https://t.me/+7VP609liR2ozY2Zi

Группа в telegram для обсуждения всего: https://t.me/+mvTtpmKL3ZE3MmIy

Репозиторий с материалами семинаров

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

Самостоятельные задачи сдаются в Google forms. Для каждого задания своя отдельная ссылка на прием заданий:

Задание Ссылка для сдачи Ссылка на домашнее задание Дата выдачи Дедлайн
Мини домашнее задание 1. https://forms.gle/oBErZGvj3MaBAWEn6 https://bit.ly/3IRZD4C 24 января 31 января 23:59
Мини домашнее задание 2. https://forms.gle/X5mEWSS4SPs72F9KA https://bit.ly/3KZi2Ov 31 января 21 февраля 23:59
Мини домашнее задание 3. https://forms.gle/5NHH5gBhmQU2JLVZ6 https://bit.ly/3s4WTuQ 21 февраля 15 марта 23:59
Основное домашнее задание https://forms.gle/VjkXgVidxMTPeLKq7 https://bit.ly/35b4pLN 21 февраля 21 марта 23:59

Семинары

Группа Преподаватель Ассистент Время Зум
МОП 181 Орлов Никита Андреевич Лёшка 18:10
МОП 182 Космачев Алексей Дмитриевич https://t.me/bigbluebutterfly 16:20

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.

Правила выставления оценок

В курсе предусмотрено несколько форм контроля знания:

  • Мини-домашние задания. Дедлайн на сдачу заданий - 2-3 недели (см таблицу).
  • Большое домашнее задание (будет выдано ориентировочно на 3 семинаре).

Итоговая оценка вычисляется:

Oитоговая = 0.125*(OМДЗ1 + OМДЗ2 + OМДЗ3 + OМДЗ4) + 0.5*OДЗ

Правила сдачи заданий

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