Версия 18:45, 2 апреля 2025 (просмотреть исходный код) Potanin (обсуждение | вклад) (→‎Домашнее задание 2) ← Предыдущая правка		Версия 18:48, 2 апреля 2025 (просмотреть исходный код) Potanin (обсуждение | вклад) (→‎Домашнее задание 2) Следующая правка →
Строка 31:		Строка 31:
	Информация об оформлении и формате сдачи домашней работы указана в тексте задания.		Информация об оформлении и формате сдачи домашней работы указана в тексте задания.
−	[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%94%D0%BE%D0%BC%D0%B0%D1%88%D0%BD%D0%B5%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5__%D0%9C%D0%9E__%D0%91%D0%90%D0%9A__%D0%9E%D0%9D%D0%9B%D0%90%D0%99%D0%9D__2024_2025.pdf Домашнее задание]	+	[Ссылка на домашнее задание появится позже]
	'''Консультация о генерации данных 2023-2024''':		'''Консультация о генерации данных 2023-2024''':

---

Версия 18:48, 2 апреля 2025

Материалы для повторения

Викистранички курсов по теории вероятностей и математической статистике:

• МИРЭК
• Экономика

Видео про применение python в математической статистике:

• Часть 1
• Часть 2
• Часть 3
• Код к видео

Информация о курсе

Оценка = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

Домашнее задание

Домашнее задание 1

Дедлайн: 18 мая

Необходимо внести данные группы (до трех человек включительно), в которой будет выполняться второе домашнее задание, в таблицу.

Домашнее задание 2

Дедлайн: 1 июня

Информация об оформлении и формате сдачи домашней работы указана в тексте задания.

[Ссылка на домашнее задание появится позже]

Консультация о генерации данных 2023-2024:

• Код консультации
• Видео, часть 1
• Видео, часть 2

Экзамен

Условие экзамена

Экзамены прошлых лет

Пример экзамена с решением 2023-2024

Экзамен 2023-2024 с решениями

Экзамен 2024-2025 с решениями, магистратура

Неделя 0. Введение в машинное обучение

Слайды лекции

Неделя 1. Байесовские сети

Основные материалы

Слайды лекции

Код семинара

Рекомендуемая литература

1. FOML глава 6.

2. MLPP глава 10.

Неделя 2. Метод ближайших соседей

Основные материалы

Слайды лекции

Код семинара

Рекомендуемая литература

1. FOML глава 5.

2. MLPP глава 16.

Неделя 3. Деревья

Основные материалы

Слайды лекции

Код семинара

Рекомендуемая литература

1. FOML глава 4.

Неделя 4. Логистическая регрессия и метод опорных векторов

Основные материалы

Слайды лекции

Код семинара

Рекомендуемая литература

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

Дополнительные материалы

1. Статья, в которой был предложен градиентный бустинг

Неделя 5. Машинное обучение в эконометрике

Основные материалы

Слайды лекции

Код семинара

Рекомендуемая литература

1. HBE глава 29.

Дополнительные материалы

1. Двойное машинное обучение в R

2. Двойное машинное обучение в STATA

3. Двойное машинное обучение в python.

4. Видео лекции о теории двойного машинного обучения от создателя метода

5. Видео лекции о программной реализации двойного машинного обучения от создателей пакета

Примечание: пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

Неделя 6. Эффекты воздействия

Основные материалы

Слайды лекции

Код семинара

Рекомендуемая литература

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

Дополнительные материалы

Простое, но достаточно подробное введение в causal inference.

Теория оценивания LATE с использованием дополнительных регрессоров

Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях

Неделя 7. Нейронные сети

Основные материалы

Слайды лекции

Код семинара

Рекомендуемая литература

1. MLPP главы 16.5 и 28.

Дополнительные материалы

1. Статья, в которой был предложен метод исключения (dropout).

Неделя 8. Рекуррентные нейронные сети

Основные материалы

Слайды лекции

Код семинара

Неделя 9. Большие языковые модели

Основные материалы

Код лекции

Код семинара

Неделя 10. Повторение

Консультация на лекции

• Задачи
• Видео 1
• Видео 2
• Видео 3
• Видео 4

Консультация на семинаре

• Задачи

Список литературы

1. FOML -- Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy. Низкая сложность
2. HBE -- Econometrics. Hansen B. Средняя сложность
3. CMLE -- Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis Средняя сложность
4. MLPP -- Machine learning a probabilistic perspective. Kevin P. Murphy. Высокая сложность