Машинное обучение на больших данных — различия между версиями
Aumnov (обсуждение | вклад) |
Zimovnov (обсуждение | вклад) (Boo) |
||
Строка 1: | Строка 1: | ||
− | [[Машинное_обучение_на_больших_данных_145 | Семинары группы 145]] | + | == О курсе == |
+ | |||
+ | Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3 модуле. | ||
+ | |||
+ | Проводится с 2017 года. | ||
+ | |||
+ | '''Лектор:''' [http://www.hse.ru/staff/azimovnov Зимовнов Андрей Вадимович] | ||
+ | |||
+ | Лекции проходят по понедельникам, 10:30 - 11:50, ауд. 402. | ||
+ | |||
+ | === Полезные ссылки === | ||
+ | |||
+ | [https://github.com/ZEMUSHKA/lsml_hse Репозиторий с материалами на GitHub] | ||
+ | |||
+ | Почта для сдачи домашних заданий: ? | ||
+ | |||
+ | Канал в telegram для объявлений: ? | ||
+ | |||
+ | Таблица с оценками: ? | ||
+ | |||
+ | Оставить отзыв на курс: ? | ||
+ | |||
+ | '''Вопросы''' по курсу можно задавать на почту курса, а также в телеграм лектору (zimovnov@) или семинаристу. | ||
+ | Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде issue на github. | ||
+ | |||
+ | === Семинары === | ||
+ | |||
+ | {| class="wikitable" | ||
+ | |- | ||
+ | ! Группа !! Преподаватель !! Учебный ассистент !! Страница !! Расписание | ||
+ | |- | ||
+ | | 145 (РС) || [https://www.hse.ru/org/persons/141880775 Умнов Алексей Витальевич] || ? || [[Машинное_обучение_на_больших_данных_145 | Семинары группы 145]] || ? | ||
+ | |- | ||
+ | |} | ||
+ | |||
+ | === 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. | ||
+ | |||
+ | === Правила выставления оценок === | ||
+ | |||
+ | В курсе предусмотрено несколько форм контроля знания: | ||
+ | * Практические домашние работы на Python | ||
+ | * Устный экзамен | ||
+ | |||
+ | Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен: | ||
+ | |||
+ | O<sub>итоговая</sub> = 0.7 * O<sub>накопленная</sub> + 0.3 * О<sub>экз</sub> | ||
+ | |||
+ | Оценка за работу в семестре вычисляется по формуле | ||
+ | |||
+ | O<sub>накопленная</sub> = 0.3 * O<sub>дз1</sub> + 0.3 * О<sub>дз2</sub> + 0.4 * О<sub>дз3</sub> | ||
+ | |||
+ | Необходимым условием для получения автомата является накопленная оценка, равная 7 или выше. | ||
+ | |||
+ | === Правила сдачи заданий === | ||
+ | |||
+ | На каждое задание каждому студенту отводится 2 недели беспрерывной работы ресурсов в облаке Azure. | ||
+ | |||
+ | 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. | ||
+ | |||
+ | При наличии уважительной причины дедлайн по домашнему заданию может быть перенесён (при этом получить дополнительные баллы за призовые места на конкурсе можно только при участии в общий срок). 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''' (3 апреля). Онлайн-обучение и линейные модели [[https://github.com/ZEMUSHKA/lsml_hse/blob/master/lecture1.pdf Слайды]] | ||
+ | |||
+ | == Семинары == | ||
+ | |||
+ | '''Семинар 1'''. Vowpal Wabbit на практике. | ||
+ | |||
+ | == Практические задания == | ||
+ | |||
+ | '''Задание 1.''' Рекомендательная система на Apache Spark | ||
+ | |||
+ | Дата выдачи: 17.04.2017 | ||
+ | |||
+ | Дедлайн: 01.05.2016 23:59MSK | ||
+ | |||
+ | Условие: ? | ||
+ | |||
+ | == Экзамен == | ||
+ | |||
+ | Дата: ? | ||
+ | |||
+ | Место: ? | ||
+ | |||
+ | Вопросы к экзамену: ? | ||
+ | |||
+ | {| class="wikitable" | ||
+ | |- | ||
+ | ! Время начала !! Группы | ||
+ | |- | ||
+ | | ? || ? | ||
+ | |- | ||
+ | |} | ||
+ | |||
+ | == Полезные материалы == | ||
+ | ===Книги=== | ||
+ | ? | ||
+ | |||
+ | ===Курсы по машинному обучению на больших данных=== | ||
+ | ? |
Версия 19:13, 8 апреля 2017
Содержание
О курсе
Курс читается для студентов 3-го курса ПМИ ФКН ВШЭ в 3 модуле.
Проводится с 2017 года.
Лектор: Зимовнов Андрей Вадимович
Лекции проходят по понедельникам, 10:30 - 11:50, ауд. 402.
Полезные ссылки
Репозиторий с материалами на GitHub
Почта для сдачи домашних заданий: ?
Канал в telegram для объявлений: ?
Таблица с оценками: ?
Оставить отзыв на курс: ?
Вопросы по курсу можно задавать на почту курса, а также в телеграм лектору (zimovnov@) или семинаристу. Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде issue на github.
Семинары
Группа | Преподаватель | Учебный ассистент | Страница | Расписание |
---|---|---|---|---|
145 (РС) | Умнов Алексей Витальевич | ? | Семинары группы 145 | ? |
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.
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- Практические домашние работы на Python
- Устный экзамен
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
Oитоговая = 0.7 * Oнакопленная + 0.3 * Оэкз
Оценка за работу в семестре вычисляется по формуле
Oнакопленная = 0.3 * Oдз1 + 0.3 * Одз2 + 0.4 * Одз3
Необходимым условием для получения автомата является накопленная оценка, равная 7 или выше.
Правила сдачи заданий
На каждое задание каждому студенту отводится 2 недели беспрерывной работы ресурсов в облаке Azure.
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.
При наличии уважительной причины дедлайн по домашнему заданию может быть перенесён (при этом получить дополнительные баллы за призовые места на конкурсе можно только при участии в общий срок). 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 (3 апреля). Онлайн-обучение и линейные модели [Слайды]
Семинары
Семинар 1. Vowpal Wabbit на практике.
Практические задания
Задание 1. Рекомендательная система на Apache Spark
Дата выдачи: 17.04.2017
Дедлайн: 01.05.2016 23:59MSK
Условие: ?
Экзамен
Дата: ?
Место: ?
Вопросы к экзамену: ?
Время начала | Группы |
---|---|
? | ? |
Полезные материалы
Книги
?
Курсы по машинному обучению на больших данных
?