|
|
| Строка 66: |
Строка 66: |
| | | | |
| | 2. MLPP глава 10. | | 2. MLPP глава 10. |
| − |
| |
| − | == Неделя 2. Метод ближайших соседей ==
| |
| − |
| |
| − | === Основные материалы ===
| |
| − |
| |
| − | [https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]
| |
| − |
| |
| − | [https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]
| |
| − |
| |
| − | === Рекомендуемая литература ===
| |
| − |
| |
| − | 1. FOML глава 5.
| |
| − |
| |
| − | 2. MLPP глава 16.
| |
| − |
| |
| − | == Неделя 3. Деревья ==
| |
| − |
| |
| − | === Основные материалы ===
| |
| − |
| |
| − | [https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]
| |
| − |
| |
| − | [https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]
| |
| − |
| |
| − | === Рекомендуемая литература ===
| |
| − |
| |
| − | 1. FOML глава 4.
| |
| − |
| |
| − | == Неделя 4. Логистическая регрессия и метод опорных векторов ==
| |
| − |
| |
| − | === Основные материалы ===
| |
| − |
| |
| − | [https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]
| |
| − |
| |
| − | [https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]
| |
| − |
| |
| − | === Рекомендуемая литература ===
| |
| − |
| |
| − | 1. FOML глава 7.
| |
| − |
| |
| − | 2. MLPP главы 8 и 14.5.
| |
| − |
| |
| − | === Дополнительные материалы ===
| |
| − |
| |
| − | 1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]
| |
| − |
| |
| − | == Неделя 5. Машинное обучение в эконометрике ==
| |
| − |
| |
| − | === Основные материалы ===
| |
| − |
| |
| − | [https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]
| |
| − |
| |
| − | [https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]
| |
| − |
| |
| − | === Рекомендуемая литература ===
| |
| − |
| |
| − | 1. HBE глава 29.
| |
| − |
| |
| − | === Дополнительные материалы ===
| |
| − |
| |
| − | 1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]
| |
| − |
| |
| − | 2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]
| |
| − |
| |
| − | 3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].
| |
| − |
| |
| − | 4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]
| |
| − |
| |
| − | 5. [https://www.youtube.com/watch?v=ErecsyKEq74 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 ===
| |
| − |
| |
| − | [https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]
| |
| − |
| |
| − | [https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]
| |
| − |
| |
| − | === Рекомендуемая литература ===
| |
| − |
| |
| − | 1. MLPP главы 16.5 и 28.
| |
| − |
| |
| − | 2. HBE главы 12.34 и 29.22.
| |
| − |
| |
| − | === Дополнительные материалы ===
| |
| − |
| |
| − | [https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]
| |
| − |
| |
| − | [https://www.sciencedirect.com/science/article/pii/S0304407606001023 Теория оценивания LATE с использованием дополнительных регрессоров]
| |
| − |
| |
| − | [https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]
| |
| − |
| |
| − | == Неделя 7. Нейронные сети ==
| |
| − |
| |
| − | === Основные материалы ===
| |
| − |
| |
| − | [https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]
| |
| − |
| |
| − | [https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]
| |
| − |
| |
| − | === Рекомендуемая литература ===
| |
| − |
| |
| − | 1. MLPP главы 16.5 и 28.
| |
| − |
| |
| − | === Дополнительные материалы ===
| |
| − |
| |
| − | [https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]
| |
| − |
| |
| − | == Неделя 8. Рекуррентные нейронные сети ==
| |
| − |
| |
| − | === Основные материалы ===
| |
| − |
| |
| − | [https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%208.%20%D0%A0%D0%B5%D0%BA%D1%83%D1%80%D1%80%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B5%20%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]
| |
| − |
| |
| − | [https://colab.research.google.com/drive/1R--ZslnpKE47FAk9X4I8YefqZm0sIn2J?usp=sharing Код семинара]
| |
| − |
| |
| − | == Неделя 9. Большие языковые модели ==
| |
| − |
| |
| − | === Основные материалы ===
| |
| − |
| |
| − | [https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]
| |
| − |
| |
| − | [https://colab.research.google.com/drive/12CwGbEFp0nBiRJnKJIppdKDio8PBsJQW?usp=sharing Код семинара]
| |
| − |
| |
| − | == Неделя 10. Повторение ==
| |
| − |
| |
| − | === Консультация на лекции ===
| |
| − | *[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
| |
| − | *[https://youtu.be/chChWaDkYEI Видео 1]
| |
| − | *[https://youtu.be/si0jgqis1fY Видео 2]
| |
| − | *[https://youtu.be/ET47Z_r9B98 Видео 3]
| |
| − | *[https://youtu.be/m8Crj5Nh_20 Видео 4]
| |
| − |
| |
| − | === Консультация на семинаре ===
| |
| − |
| |
| − | *[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
| |
| | | | |
| | = Список литературы = | | = Список литературы = |
Необходимо внести данные группы (до трех человек включительно), в которой будет выполняться второе домашнее задание, в таблицу.
Информация об оформлении и формате сдачи домашней работы указана в тексте задания (появится позже).
1. FOML глава 6.
2. MLPP глава 10.
