LSML 2024/2025
Содержание
О курсе
Курс читается для студентов 4-го курса ПМИ ФКН ВШЭ в 3 модуле. Проводится с 2017 года.
Лекторы: Анищенко Илья Игоревич, Байкалов Владимир Олегович, Булатов Евгений Александрович
Семинаристы: Галушкин Андрей Владимирович, Анищенко Илья Игоревич
Ассистент -
Лекции проходят в онлайн-режиме.
Вычислительные мощности в облаке Yandex.Cloud для курса предоставила компания Яндекс.
Полезные ссылки
Слайды лекций: - https://github.com/NaxNax666/lsml-2025/tree/main/lectures
Получение доступа к Облаку - https://forms.gle/WYxZNoyzmz8aB9C87
Таблица с оценками: - https://docs.google.com/spreadsheets/d/1psL-bsuAj5yeVNqLMFyZoEPE-WYandTvMVPOBK1DHHM
Папка на Я.Диске с записями всех занятий - https://disk.yandex.ru/d/XjVA1H2x8tCbBw
Чат в telegram с объявлениями и топиками по курсу: - https://t.me/+ipo8KM6LQs8yNzZi
Репозиторий с материалами семинаров: https://github.com/NaxNax666/lsml-2025
Наше облако: https://console.yandex.cloud/cloud/b1g4eujvvdle2rievqof
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/VEm1zyuJNBins7ZS8 | тык | 1 февраля | 11 февраля 23:59 |
| Мини домашнее задание 2. | https://forms.gle/Ct8LQAog7QQL9Ysb7 | тык | 15 февраля | 25 февраля 23:59 |
| 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 18:10 - 19:30 по МСК - (ссылка будет позже)
Семинары проводят:
- Галушкин Андрей в СБ в 11:10-12:30 по МСК - (ссылка будет позже)
- Анищенко Илья в ПН в 19:40-21:00 по МСК - (ссылка будет позже)
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 с точными датами).
- Большое домашнее задание (будет выдано ориентировочно на 4 семинаре).
- В Мини-домашних заданиях переодически буду 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.
