ИИ Машинное обучение (ИИ24, 2-3 модули) — различия между версиями
Murrcha (обсуждение | вклад) |
Murrcha (обсуждение | вклад) |
||
| (не показано 13 промежуточных версии этого же участника) | |||
| Строка 5: | Строка 5: | ||
Онлайн-курс в дополнение к парам: [https://stepik.org/course/125501/syllabus Практический Machine Learning] | Онлайн-курс в дополнение к парам: [https://stepik.org/course/125501/syllabus Практический Machine Learning] | ||
| − | |||
| − | + | В курсе нет явного разделения на base и pro группы на вебинарах, но все вебинары будут помечены одним из трех тегов: | |
| − | + | 1️⃣base - вебинар, который рекомендуется тем, у кого нет или немного знаний по ML | |
| − | Преподаватель: | + | 2️⃣pro - вебинар, который рекомендуется тем, у кого средние или хорошие знания по ML |
| + | |||
| + | 3️⃣expert - вебинар от приглашенного эксперта | ||
| + | |||
| + | |||
| + | 🍊Вы можете ходить на вебинары по своему выбору. На всех вебинарах будет свой сюжет. Нигде не будет повторения тем | ||
| + | |||
| + | 🍊А вот при сдаче домашних заданий вы должны определиться, в какую группу сдаете: base или pro. ДЗ будут разделены по уровню сложности (хотя некоторые иногда будут дублироваться) | ||
| + | |||
| + | 🍊Распределительного теста НЕ БУДЕТ, так как у нас нет фиксированного разделения на группы на вебинарах. Однако если вы чувствуете себя в экспертом в ML, а также у вас есть подтверждение ваших знаний (пройденный курс по МО-1 и МО-2 на ПМИ или аналогичные по сложности другие курсы) и хотите попасть на fast track - выполнение большого проекта вместо курса, то заполните форму до 5 ноября 23:59 (в зависимости от числа желающих мы либо просто проведем с каждым мини-собеседование и допустим или не допустим до fast track, либо проведем тест+собеседование) | ||
| + | |||
| + | |||
| + | ❗️❗️❗️Перед большинством занятий вам необходимо изучить базовую теорию и практику в курсе на Stepik (список нужных уроков и модулей будет появляться за несколько дней до занятия). Здесь все строго: если материал из Stepik не изучен, вам не имеет смысла приходить на занятие - для того, чтобы курс получился хорошим и содержательным требуются не только усилия команды курса, но и ваши. Так что сразу об этом предупреждаем.❗️❗️❗️ | ||
| + | |||
| + | ==Контакты== | ||
| + | |||
| + | Преподаватель: Елена Кантонистова | ||
{| class="wikitable" | {| class="wikitable" | ||
| Строка 17: | Строка 32: | ||
! Ассистент !! Контакты | ! Ассистент !! Контакты | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | || | + | | style="background:#eaecf0;" | Сабрина Садиех || @sabrina_sadiekh |
|- | |- | ||
| − | | style="background:#eaecf0;" | || | + | | style="background:#eaecf0;" | Роман Залесинский || @roman_zalesinskii |
| + | |- | ||
| + | | style="background:#eaecf0;" | Кирилл Малюшитский || @malyushitsky | ||
| + | |- | ||
| + | | style="background:#eaecf0;" | Георгий Чешко || @aketa147 | ||
| + | |- | ||
| + | | style="background:#eaecf0;" | Александр Вишняков || @BedTed | ||
| + | |- | ||
| + | | style="background:#eaecf0;" | Алена Голубович || @alonagolubovich | ||
| + | |- | ||
| + | | style="background:#eaecf0;" | Виктор Тихомиров || @onthebox | ||
| + | |- | ||
| + | | style="background:#eaecf0;" | Глеб Булыгин || @jdbelg | ||
| + | |- | ||
| + | | style="background:#eaecf0;" | Яна Журович || @janinaal | ||
|} | |} | ||
| Строка 29: | Строка 58: | ||
{| class="wikitable" | {| class="wikitable" | ||
|- | |- | ||
| − | ! Занятие !! Тема !! Дата !! Материалы | + | ! Занятие !! Тема !! Дата !! Материалы !! Дополнительные материалы |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''1''' | + | | style="background:#eaecf0;" | '''1''' || Введение в машинное обучение. Основы линейной регресии (base) || || || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''2''' | + | | style="background:#eaecf0;" | '''2''' || Некоторые аспекты продвинутого EDA. Дашборды (base+pro) || || || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''3''' | + | | style="background:#eaecf0;" | '''3''' || Линейная регрессия подробнее (pro) || || || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''4''' | + | | style="background:#eaecf0;" | '''4''' || || || || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''5''' | + | | style="background:#eaecf0;" | '''5''' || || || || |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
|- | |- | ||
|} | |} | ||
=== Записи консультаций === | === Записи консультаций === | ||
| − | |||
==Формула оценивания== | ==Формула оценивания== | ||
| − | + | Формула оценки: '''0.25 * Stepik + 0.6 * среднее за 6 лучших ДЗ + 0.15 * Экзамен''' | |
| + | ''Автоматов нет, но при успешном выполнении Stepik и ДЗ (и с учетом бонусов) и без экзамена можно получить 9. | ||
| + | '' | ||
== Домашние задания == | == Домашние задания == | ||
Текущая версия на 17:52, 4 ноября 2024
Содержание
О курсе
Занятия проводятся в zoom по понедельникам/вторникам/средам (в зависимости от недели) вечером.
Онлайн-курс в дополнение к парам: Практический Machine Learning
В курсе нет явного разделения на base и pro группы на вебинарах, но все вебинары будут помечены одним из трех тегов:
1️⃣base - вебинар, который рекомендуется тем, у кого нет или немного знаний по ML
2️⃣pro - вебинар, который рекомендуется тем, у кого средние или хорошие знания по ML
3️⃣expert - вебинар от приглашенного эксперта
🍊Вы можете ходить на вебинары по своему выбору. На всех вебинарах будет свой сюжет. Нигде не будет повторения тем
🍊А вот при сдаче домашних заданий вы должны определиться, в какую группу сдаете: base или pro. ДЗ будут разделены по уровню сложности (хотя некоторые иногда будут дублироваться)
🍊Распределительного теста НЕ БУДЕТ, так как у нас нет фиксированного разделения на группы на вебинарах. Однако если вы чувствуете себя в экспертом в ML, а также у вас есть подтверждение ваших знаний (пройденный курс по МО-1 и МО-2 на ПМИ или аналогичные по сложности другие курсы) и хотите попасть на fast track - выполнение большого проекта вместо курса, то заполните форму до 5 ноября 23:59 (в зависимости от числа желающих мы либо просто проведем с каждым мини-собеседование и допустим или не допустим до fast track, либо проведем тест+собеседование)
❗️❗️❗️Перед большинством занятий вам необходимо изучить базовую теорию и практику в курсе на Stepik (список нужных уроков и модулей будет появляться за несколько дней до занятия). Здесь все строго: если материал из Stepik не изучен, вам не имеет смысла приходить на занятие - для того, чтобы курс получился хорошим и содержательным требуются не только усилия команды курса, но и ваши. Так что сразу об этом предупреждаем.❗️❗️❗️
Контакты
Преподаватель: Елена Кантонистова
| Ассистент | Контакты |
|---|---|
| Сабрина Садиех | @sabrina_sadiekh |
| Роман Залесинский | @roman_zalesinskii |
| Кирилл Малюшитский | @malyushitsky |
| Георгий Чешко | @aketa147 |
| Александр Вишняков | @BedTed |
| Алена Голубович | @alonagolubovich |
| Виктор Тихомиров | @onthebox |
| Глеб Булыгин | @jdbelg |
| Яна Журович | @janinaal |
Материалы курса
Ссылка на плейлист курса на YouTube: YouTube-playlist
Ссылка на GitHub с материалами курса: GitHub repository
| Занятие | Тема | Дата | Материалы | Дополнительные материалы |
|---|---|---|---|---|
| 1 | Введение в машинное обучение. Основы линейной регресии (base) | |||
| 2 | Некоторые аспекты продвинутого EDA. Дашборды (base+pro) | |||
| 3 | Линейная регрессия подробнее (pro) | |||
| 4 | ||||
| 5 |
Записи консультаций
Формула оценивания
Формула оценки: 0.25 * Stepik + 0.6 * среднее за 6 лучших ДЗ + 0.15 * Экзамен
Автоматов нет, но при успешном выполнении Stepik и ДЗ (и с учетом бонусов) и без экзамена можно получить 9.
