Просмотр исходного текста страницы Машинное обучение (сов. бак. ВШЭ-РЭШ 2023)

== О курсе ==

Курс читается для студентов 2-4 курсов совместного бакалавриата ВШЭ-РЭШ в 1-2 модулях.

[https://www.hse.ru/edu/courses/339942759 Карточка курса и программа.] (TODO: Обновить)

[https://github.com/hse-ds/ml-hse-nes Репозиторий с материалами курса на GitHub.]

[https://t.me/+NyuAxz-2HFsyM2My Чат в телеграме]

[https://forms.gle/JjUw8oEVxDukhPEF8 Анонимная форма обратной связи]

=== Лекции ===

Лектор: [https://www.hse.ru/org/persons/213369348 Михаил Гущин] (mhushchyn@hse.ru, @mikhail_h91)

Лекции проходят по вторникам в 16:20 (R205).

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Ссылка на чат !! Аудитория !! Время
|-
| МО-1 || [https://t.me/Vovvy Владимир Бочарников] || [https://t.me/s_pirogova Софья Пирогова]|| [https://t.me/+qgjzy_kRhIU1Zjcy Чат] || R506 || среда, 14:40
|- 
| МО-2 || [https://t.me/fedya_dmitriev Сергей Корпачев] || [https://t.me/metraats Артём Станкевич]|| [https://t.me/+5s28KFwIWMpmNGFi Чат] || R308 || суббота, 14:40
|-
|}

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знаний:
* Практические домашние работы на Python или с теоретическими задачами (всего 6-8 домашних работ)
* Контрольная работа в середине курса
* Письменный экзамен

Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

O<sub>итоговая</sub> = Округление(0.5 * ДЗ + 0.2 * КР + 0.3 * Э)

ДЗ — средняя оценка за практические домашние задания

КР — оценка за контрольную работу

Э — оценка за экзамен

Округление арифметическое.

=== Правила выставления автомата ===

Условие выставления автомата: (ДЗ >=6 and КР >= 6)

В случае автомата итоговая оценка считается так:

O<sub>итоговая</sub> = Округление((0.5 * ДЗ + 0.2 * КР) / 0.7)

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.

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.

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.

== Лекции ==

'''Лекция 1.''' Введение в машинное обучение. KNN. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture01-intro-knn.pdf Слайды]]

'''Лекция 2.''' Линейная регрессия. Градиентный спуск. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture02-linreg.pdf Слайды]]

'''Лекция 3.''' Линейная классификация. Логистическая регрессия. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture03-logreg.pdf Слайды]]

'''Лекция 4.''' Метрики качества. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture04-metrics.pdf Слайды]]

'''Лекция 5.''' Решающие деревья. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture05-trees.pdf Слайды]]

'''Лекция 6.''' Композиции алгоритмов. Случайный лес. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture06-bagging.pdf Слайды]]

'''Лекция 7.''' Градиентный бустинг. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture07-boosting.pdf Слайды]]

'''Лекция 8.''' Категориальные признаки. Анализ текстов. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture08-texts.pdf Слайды]]

'''Лекция 9.''' Отбор признаков. Уменьшение размерности. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture09-features.pdf Слайды]]

'''Лекция 10.''' Кластеризация. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture10-clustering.pdf Слайды]]

'''Лекция 11.''' Нейронные сети. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture11-networks.pdf Слайды]]

'''Лекция 12.''' Анализ изображений. Сверточные нейронные сети. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture12-nn.pdf Слайды]]

'''Лекция 13.''' Рекомендательные системы. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/lectures/lecture13-recsys.pdf Слайды]]

== Семинары ==

'''Семинар 1.''' Введение в машинное обучение. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar01/numpy_and_sklearn_basics.ipynb Тетрадка]] [[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar01/numpy_and_sklearn_basics.ipynb Colab]]

'''Семинар 2.''' Линейная регрессия. Градиентный спуск. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar02/seminar.ipynb Тетрадка]]
[[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar02/seminar.ipynb Colab]]

'''Семинар 3.''' Линейная классификация. Логистическая регрессия. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar03/sem03_logreg.ipynb Тетрадка]]
[[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar03/sem03_logreg.ipynb Colab]]

'''Семинар 4.''' Метрики качества. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar04/seminar04_quality.ipynb Тетрадка]]
[[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar04/seminar04_quality.ipynb Colab]]

'''Семинар 5.''' Решающие деревья. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar05/sem05_trees.ipynb Тетрадка]]
[[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar05/sem05_trees.ipynb Colab]]

'''Семинар 6.''' Ансамбли деревьев. Случайный лес. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar06/sem06_rf.ipynb Тетрадка]]
[[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar06/sem06_rf.ipynb Colab]]

'''Семинар 7.''' Градиентный бустинг. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar07/sem07_boosting.ipynb Тетрадка]]
[[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar07/sem07_boosting.ipynb Colab]]

'''Семинар 8.''' Введение в анализ текстов. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar08/seminar8_nlp.ipynb Тетрадка]]
[[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar08/seminar8_nlp.ipynb Colab]]

'''Семинар 9.''' Отбор признаков. Уменьшение размерности. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar09/sem09_features_pca.ipynb Тетрадка]]
[[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar09/sem09_features_pca.ipynb Colab]]

'''Семинар 10.''' Кластеризация. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar10/sem10_clustering.ipynb Тетрадка]]
[[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar10/sem10_clustering.ipynb Colab]]

'''Семинар 11.''' Нейронные сети. [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar11/sem11_pytorch.ipynb Тетрадка]]
[[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar11/sem11_pytorch.ipynb Colab]]

'''Семинар 12.''' Анализ изображений. Сверточные нейронные сети.  [[https://github.com/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar12/sem12_cnn.ipynb Тетрадка]]
[[https://colab.research.google.com/github/hse-ds/ml-hse-nes/blob/main/2023/seminars/seminar12/sem12_cnn.ipynb Colab]]

== Практические задания ==

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

===Задание 1. Введение в машинное обучение ===
Вам предстоит решить несколько задач на применение библиотек numpy и matplotlob, а также написать свою линейную регрессию.

'''Мягкий дедлайн''':  25 сентября 2023 года 23:59

'''Дедлайн''':  28 сентября 2023 года 23:59

'''Ссылка''': https://github.com/hse-ds/ml-hse-nes/blob/main/2023/homeworks/homework_1.ipynb

===Задание 2. Линейная регрессия. Градиентный спуск. ===
Вам предстоит решить несколько теоретических задач по производным, линейной алгебре, градиентному спуску и линейной регрессии.

'''Мягкий дедлайн''':  02 октября 2023 года 23:59

'''Дедлайн''':  05 октября 2023 года 23:59

'''Ссылка''': https://github.com/hse-ds/ml-hse-nes/blob/main/2023/homeworks/homework_2.pdf

===Задание 3. Логистическая регрессия ===
Вам предстоит решить несколько задач на реализацию метода логистической регрессии и оценки качества классификации. 

'''Мягкий дедлайн''':  16 октября 2023 года 23:59

'''Дедлайн''':  19 октября 2023 года 23:59

'''Ссылка''': https://github.com/hse-ds/ml-hse-nes/blob/main/2023/homeworks/homework_3.ipynb

===Задание 4. Решающие деревья ===
Вам предстоит реализовать разбиение элементов выборки в вершине дерева.

'''Мягкий дедлайн''':  30 октября 2023 года 23:59

'''Дедлайн''':  02 ноября 2023 года 23:59

'''Ссылка''': https://github.com/hse-ds/ml-hse-nes/blob/main/2023/homeworks/homework_4.ipynb

===Задание 5. Композиции алгоритмов ===
В этом задании вам нужно решить несколько задач по ансамблям моделей.

'''Мягкий дедлайн''':  06 ноября 2023 года 23:59

'''Дедлайн''':  09 ноября 2023 года 23:59

'''Ссылка''': https://github.com/hse-ds/ml-hse-nes/blob/main/2023/homeworks/homework_5.pdf

===Задание 6. Бустинг ===
Вам предстоит реализовать упрощенный вариант градиентного бутсинга для задачи регрессии.

'''Мягкий дедлайн''':  20 ноября 2023 года 23:59

'''Дедлайн''':  23 ноября 2023 года 23:59

'''Ссылка''': https://github.com/hse-ds/ml-hse-nes/blob/main/2023/homeworks/homework_6.ipynb

===Задание 7. Категориальные признаки ===
Вам предстоит освоить работу с категориальными признаками.

'''Мягкий дедлайн''':  01 декабря 2023 года 23:59

'''Дедлайн''':  04 декабря 2023 года 23:59

'''Ссылка''': https://github.com/hse-ds/ml-hse-nes/blob/main/2023/homeworks/homework_7.ipynb

===Задание 8. Отбор признаков и метод главных компонент ===
Вам предстоит выполнить несколько заданий по отбору признаков и  уменьшению размерности.

'''Мягкий дедлайн''':  11 декабря 2023 года 23:59

'''Дедлайн''':  14 декабря 2023 года 23:59

'''Ссылка''': https://github.com/hse-ds/ml-hse-nes/blob/main/2023/homeworks/homework_8.ipynb

== Контрольная работа ==

[[https://disk.yandex.ru/i/KBgVZXLEsOW2JQ Вопросы и задачи к контрольной работе (мидтерму) 2023)]]

'''Дата проведения:''' 14 ноября 2023 г. на лекции.

Порядок проведения контрольной работы:

1) При написании работы пользоваться ничем нельзя (closed-book)

2) Каждый студент должен в начале своей работы от руки написать свои ФИО.

Время написания работы: 1 час 20 минут.

Если прокторы во время проведения работы замечают противоправные или странные действия, за работу снимаются баллы. В случае обнаружения любого вида списывания работа сразу оценивается в 0 баллов.

Содержание работы: 8 вопросов и 2 задачи из списка (возможны измененные формулировки). Контрольная работа и экзамен не включают задачи на программирование. Теоретические вопросы подразумевают развернутые ответы с формулами.

Рекомендации по написанию контрольной работы:
Во всех формулах поясните обозначения. На всех графиках подпишите оси. Для всех рисунков поясните, что изображено на них. Во всех задачах оптимизации подпишите, по каким переменным она выполняется. Для всех суммирований подпишите индекс и границы суммирования.


==Экзамен==

[[https://disk.yandex.ru/i/5TcDX-PaWy8V2A Вопросы к экзамену 2023]]

'''Дата проведения:''' 19 декабря 2023 г. на лекции.

Порядок проведения контрольной работы:

1) При написании работы пользоваться ничем нельзя (closed-book)

2) Каждый студент должен в начале своей работы от руки написать свои ФИО.

Время написания работы: 1 час 20 минут.

Если прокторы во время проведения работы замечают противоправные или странные действия, за работу снимаются баллы. В случае обнаружения любого вида списывания работа сразу оценивается в 0 баллов.

Содержание работы: 10 вопросов из списка (возможны измененные формулировки). Контрольная работа и экзамен не включают задачи на программирование. Теоретические вопросы подразумевают развернутые ответы с формулами.

Рекомендации по написанию контрольной работы:
Во всех формулах поясните обозначения. На всех графиках подпишите оси. Для всех рисунков поясните, что изображено на них. Во всех задачах оптимизации подпишите, по каким переменным она выполняется. Для всех суммирований подпишите индекс и границы суммирования.


== Дополнительные материалы ==

===Курсы по машинному обучению и анализу данных===
* [https://academy.yandex.ru/handbook/ml Онлайн-учебник по машинному обучению от ШАД]
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
* [https://openedu.ru/course/hse/INTRML/ Курс на платформе "Открытое образование"]

===Книги===
* [https://link.springer.com/book/10.1007/978-0-387-84858-7 Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009]
* [http://lcsl.mit.edu/courses/ml/1718/MLNotes.pdf Rosasco L., Introductory Machine Learning Notes, 2017]
* [https://www.microsoft.com/en-us/research/uploads/prod/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006]

===Страницы прошлых лет===

[http://wiki.cs.hse.ru/Машинное_обучение_(сов._бак._ВШЭ-РЭШ_2022) Страница курса 2022 года]

[http://wiki.cs.hse.ru/Машинное_обучение_(сов._бак._ВШЭ-РЭШ_2021) Страница курса 2021 года]

[http://wiki.cs.hse.ru/Машинное_обучение_(сов._бак._ВШЭ-РЭШ_2020) Страница курса 2020 года]