http://wiki.cs.hse.ru/api.php?action=feedcontributions&user=Resokolov&feedformat=atomWiki - Факультет компьютерных наук - Вклад участника [ru]2024-03-29T08:36:22ZВклад участникаMediaWiki 1.23.2http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_1Машинное обучение 12019-09-11T07:23:35Z<p>Resokolov: </p>
<hr />
<div>== О курсе ==<br />
<br />
[[Файл:ML_surfaces.png|280px|borderless|left]]<br />
<br />
Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.<br />
<br />
Проводится с 2016 года.<br />
<br />
'''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br />
<br />
Лекции проходят по пятницам, 12:10 - 13:30, ауд. R404 (Покровский бульвар, 11).<br />
<br />
<br />
<br />
<br />
<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://www.hse.ru/ba/ami/courses/292689583.html Карточка курса и программа]<br />
<br />
[https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]<br />
<br />
[https://www.youtube.com/watch?v=OBG6EUSRC9g&list=PLEqoHzpnmTfDwuwrFHWVHdr1-qJsfqCUX Видеозаписи лекций 18/19 года]<br />
<br />
Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+<номер группы>@gmail.com (например, hse.cs.ml+171@gmail.com)<br />
<br />
Канал в telegram для объявлений: https://t.me/joinchat/AAAAAEtiwm9A8i-78LNcKQ<br />
<br />
Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/joinchat/A5rlQBUrWTeXl7eBbnyBcQ<br />
<br />
Ссылка на курс в Anytask: https://anytask.org/course/537<br />
<br />
[https://docs.google.com/spreadsheets/d/1QIUMUkjzHfRqNIkYHVb4jsi3Pkq7URAQWSW8c9UwE-g/edit?usp=sharing Таблица с оценками]<br />
<br />
Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]<br />
<br />
'''Вопросы''' по курсу можно задавать на почту курса, а также в телеграм лектору (esokolov@) или семинаристу.<br />
Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде [https://github.com/esokolov/ml-course-hse/issues Issue] в [https://github.com/esokolov/ml-course-hse github-репозитории курса].<br />
<br />
=== Семинары ===<br />
<br />
{| class="wikitable"<br />
|-<br />
! Группа !! Преподаватель !! Учебный ассистент <br />
|-<br />
| 171 (МОП) || [https://www.hse.ru/org/persons/165212870 Зиннурова Эльвира Альбертовна] || Виктор Куканов<br />
|-<br />
| 172 (МОП) || [https://www.hse.ru/org/persons/209813459 Каюмов Эмиль Марселевич] || Софья Дымченко<br />
|-<br />
| 173 (ТИ) || [https://www.hse.ru/org/persons/? Хрушков Павел Вадимович] || [https://t.me/resokolov Роман Соколов]<br />
|-<br />
| 174 (АДИС) || [https://www.hse.ru/org/persons/? Кохтев Вадим Михайлович] || Евгений Алаев<br />
|-<br />
| 175 (РС) || [https://www.hse.ru/org/persons/228364473 Волохова Александра Константиновна] || [https://t.me/President153 Ярослав Пудяков]<br />
|-<br />
| 176 (РС) || [https://www.hse.ru/org/persons/192085968 Яшков Даниил Дмитриевич] || [https://t.me/arcstranger Николай Пальчиков]<br />
|-<br />
| Магистратура ФТиАД || [https://www.hse.ru/org/persons/? Рысьмятова Анастасия Александровна] || Олег Дешеулин<br />
|-<br />
|}<br />
<br />
=== Консультации ===<br />
<br />
=== Правила выставления оценок ===<br />
<br />
В курсе предусмотрено несколько форм контроля знания:<br />
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций<br />
* Практические домашние работы на Python<br />
* Письменная контрольная работа<br />
* Письменный экзамен<br />
<br />
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br />
<br />
Итог = Округление(0.15 * ПР + 0.4 * ДЗ + 0.15 * КР + 0.3 * Э)<br />
<br />
ПР — средняя оценка за самостоятельные работы на семинарах<br />
<br />
ДЗ — средняя оценка за практические домашние работы на Python<br />
<br />
КР — оценка за контрольную работу<br />
<br />
Э — оценка за экзамен<br />
<br />
Округление арифметическое.<br />
<br />
=== Правила сдачи заданий ===<br />
<br />
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br />
<br />
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.<br />
<br />
При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br />
<br />
== Лекции ==<br />
<br />
Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!<br />
<br />
'''Лекция 1''' (6 сентября). Введение в машинное обучение. Основные термины, постановки задач и примеры применения. [[https://github.com/esokolov/ml-course-hse/blob/master/2019-fall/lecture-notes/lecture01-intro.pdf Конспект]]<br />
<br />
== Семинары ==<br />
<br />
'''Семинар 1.''' Области применения машинного обучения. Инструменты data scientist'а. Pandas и разведочный анализ данных. [[https://github.com/esokolov/ml-course-hse/blob/master/2019-fall/seminars/sem01-intro.ipynb Ноутбук]]<br />
<br />
== Практические задания ==<br />
<br />
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. В течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна.<br />
<br />
'''Задание 1.''' Работа с Pandas и Matplotlib.<br />
<br />
Мягкий дедлайн: 23:59 15.09.2018. <br />
<br />
Жесткий дедлайн: 23:59 17.09.2018.<br />
<br />
[[https://github.com/esokolov/ml-course-hse/blob/master/2019-fall/homeworks-practice/homework-practice-01.ipynb Ноутбук с заданием]]<br />
<br />
==Теоретические домашние задания==<br />
<br />
Теоретические ДЗ не проверяются, но задачи из них могут войти в проверочные работы на семинарах.<br />
<br />
== Бонусы за соревнования ==<br />
<br />
За успешное участие в соревнованиях по анализу данных могут быть выставлены бонусные баллы, которые можно прибавить к оценке за любое практическое или теоретическое домашнее задание, а также за самостоятельную работу. Под успешным участием понимается попадание в топ-10% мест; если соревнование особо сложное и крупное, может рассматриваться и попадание в топ-20% мест. Конкретное число баллов определяется преподавателями и зависит от сложности соревнования и занятого места. За одно соревнование можно получить не более 5 баллов. Для получения оценки необходимо предоставить краткий отчёт о решении задачи.<br />
<br />
== Контрольная работа ==<br />
<br />
== Экзамен ==<br />
<br />
== Полезные материалы ==<br />
===Книги===<br />
* Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.<br />
* Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.<br />
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br />
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br />
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br />
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br />
<br />
===Курсы по машинному обучению и анализу данных===<br />
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br />
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br />
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br />
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br />
<br />
== Страницы предыдущих лет ==<br />
<br />
[[Машинное_обучение_1/2018_2019 | 2018/2019 учебный год]]<br />
<br />
[[Машинное_обучение_1/2017_2018 | 2017/2018 учебный год]]<br />
<br />
[[Машинное_обучение_1/2016_2017 | 2016/2017 учебный год]]</div>Resokolov