Машинное обучение в экономике бакалавриат 2024-2025 — различия между версиями
Материал из Wiki - Факультет компьютерных наук
Potanin (обсуждение | вклад) (→Список литературы) |
Potanin (обсуждение | вклад) (→Список литературы) |
||
| Строка 82: | Строка 82: | ||
= Список литературы = | = Список литературы = | ||
| − | # '''FOML''' | + | # '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность''' |
| − | # '''HBE''' | + | # '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность''' |
| − | # '''CMLE''' | + | # '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность''' |
| − | # '''MLPP''' | + | # '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность''' |
Версия 18:52, 2 апреля 2025
Содержание
Материалы для повторения
Викистранички курсов по теории вероятностей и математической статистике:
Видео про применение python в математической статистике:
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 (появится позже).
Консультация о генерации данных 2023-2024:
Экзамен
Экзамены прошлых лет
Пример экзамена с решением 2023-2024
Экзамен 2024-2025 с решениями, магистратура
Консультации
Консультация на лекции 2023-2024
Консультация на семинаре 2023-2024
Неделя 0. Введение в машинное обучение
Неделя 1. Байесовские сети
Основные материалы
Рекомендуемая литература
1. FOML глава 6.
2. MLPP глава 10.
Список литературы
- FOML - Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy. Низкая сложность
- HBE - Econometrics. Hansen B. Средняя сложность
- CMLE - Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis Средняя сложность
- MLPP - Machine learning a probabilistic perspective. Kevin P. Murphy. Высокая сложность
