LSML 2025/2026
Содержание
О курсе
Курс читается для студентов 4-го курса ПМИ ФКН ВШЭ в 3 модуле. Проводится с 2017 года.
Лекторы: Анищенко Илья Игоревич, Булатов Евгений Александрович
Семинаристы: Галушкин Андрей Владимирович, Анищенко Илья Игоревич
Ассистент -
Лекции и семинары проходят в онлайн-режиме.
Вычислительные мощности в облаке Yandex.Cloud для курса предоставила компания Яндекс.
Полезные ссылки
Слайды лекций: - https://github.com/TmKarter/lsml-2026/tree/main/Lectures
Получение доступа к Облаку - https://forms.gle/CaDJ1YdG1jpYWjcn6
Таблица с оценками: - [будет позже]
Папка на Я.Диске с записями всех занятий - ссылка
Чат в telegram с объявлениями и топиками по курсу: - https://t.me/+mQ1JQ2-TxmIyYjli
Репозиторий с материалами семинаров: - https://github.com/TmKarter/lsml-2026
Наше облако: - https://console.yandex.cloud/cloud/b1g4glg8eltqhueeifkh
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. | позже | тык | 9 февраля | 16 февраля 23:59 |
| Мини домашнее задание 2. | ||||
| Мини домашнее задание 3. | ||||
| Мини домашнее задание 4. | ||||
| Основное домашнее задание |
Лекции и Семинары
Лекции проводят преподаватели из списка выше в общий временной слот в ПН 16:20 - 17:40 по МСК, ссылку на зум публикуем в тг
Семинары проводят:
- Галушкин Андрей в ПН в 18:10-19:30 по МСК, ссылку на зум также публикуем в тг
- Анищенко Илья в ПН в 18:10-19:30 по МСК, ссылку на зум также публикуем в тг
Консультации
Консультации с преподавателями (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 - 1-3 недели (см таблицу с точными датами, они появляются тут по мере прохождения курса).
- Большое домашнее задание (будет выдано ориентировочно в феврале).
- В Мини-домашних заданиях переодически будут появляться бонусные задания, дающие возможность получить больше 10 баллов за работу
Итоговая оценка вычисляется:
Oитоговая = 0.5*[(OМДЗ1 + OМДЗ2 + OМДЗ3 + OМДЗ4)/4] + 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
- Ron Bekkerman, Mikhail Bilenko, John Langford. Scaling up Machine Learning: Parallel and Distributed Approaches, Cambridge University Press, 2011.
- Jure Leskovec, Anand Rajaraman, Jeff Ullman. Mining of Massive Datasets, Cambridge University Press, 2014.
- Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning (Adaptive Computation and Machine Learning series), The MIT Press, 2016.
- Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills. Advanced Analytics with Spark: Patterns for Learning from Data at Scale, O'Reilly Media, 2015.
