НИС Прикладные задачи анализа данных (МОиВС, 2022) — различия между версиями
м |
м (upd2 literature list) |
||
(не показано 9 промежуточных версии 2 участников) | |||
Строка 1: | Строка 1: | ||
==О курсе== | ==О курсе== | ||
− | Курс посвящен расширению кругозора обучающихся в области машинного и глубинного обучения. На курсе изучаются различные приложения анализа данных, которые, как правило, не входят в программы других дисциплин цикла. Среди изучаемых на курсе тем: поиск аномалий в данных, обзор алгоритмов построения рекомендаций, EM-алгоритм, нормализационные потоки и другие приложения. | + | Курс посвящен расширению кругозора обучающихся в области машинного и глубинного обучения. На курсе изучаются различные приложения анализа данных, которые, как правило, не входят в программы других дисциплин цикла. Среди изучаемых на курсе тем: поиск аномалий в данных, обзор алгоритмов построения рекомендаций, EM-алгоритм, нормализационные потоки и другие довольно важные приложения. |
− | + | Большинство занятий проводятся <s>на [https://events.webinar.ru/54933491/1441462596 Webinar.ru]</s> в [https://us06web.zoom.us/j/89547424816?pwd=ZFVLL1g4REcwMm94NGhuUjBxeUpWQT09 Zoom] '''по субботам с 12:00 до 13:20''' | |
==Контакты== | ==Контакты== | ||
Строка 22: | Строка 22: | ||
Ссылка на плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI | Ссылка на плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI | ||
− | Ссылка на GitHub с материалами курса: [ | + | Ссылка на GitHub с материалами курса: [https://github.com/Murcha1990/MLDS_AppliedDS_autumn2021.git Github] |
{| class="wikitable" | {| class="wikitable" | ||
Строка 28: | Строка 28: | ||
! Занятие !! Тема !! Дата !! Преподаватель !! Материалы для самоподготовки к семинарам !! Дополнительные материалы | ! Занятие !! Тема !! Дата !! Преподаватель !! Материалы для самоподготовки к семинарам !! Дополнительные материалы | ||
|- | |- | ||
− | | style="background:#eaecf0;" | '''1''' || Рекомендательные системы || 17.09.22 || Цвигун Аким || || | + | | style="background:#eaecf0;" | '''1''' ||[[https://www.youtube.com/watch?v=bRQ5vRnbKDg&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] Рекомендательные системы || 17.09.22 || Цвигун Аким || [https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lectures08-09-recommender.pdf Конспект Жени Соколова по рекомендательным системам] || |
|- | |- | ||
− | | style="background:#eaecf0;" | '''2''' || Поиск аномалий || 24.09.22 || Кантонистова Елена || || | + | | style="background:#eaecf0;" | '''2''' ||[[https://www.youtube.com/watch?v=zihwn5SFpI8&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] Поиск аномалий || 24.09.22 || Кантонистова Елена || [https://www.youtube.com/watch?v=dxy_sxj27u4 Запись занятия Жени Соколова по поиску аномалий], [https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture16-anomaly.pdf Конспект] || |
|- | |- | ||
− | | style="background:#eaecf0;" | '''3''' || Нормализационные потоки || 01.10.22 || Гущин Михаил|| || | + | | style="background:#eaecf0;" | '''3''' || [[https://www.youtube.com/watch?v=qRk4B_3Rbfo&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]]Нормализационные потоки || 01.10.22 || Гущин Михаил || [https://www.youtube.com/watch?v=1WYXIGsD_5M Лекция Михаила на ИАДе] || |
|- | |- | ||
− | | style="background:#eaecf0;" | '''4''' || | + | | style="background:#eaecf0;" | '''4''' || [[https://www.youtube.com/watch?v=K8tE2IEKojA&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] AutoML || 04.10.22 || Садртдинов Ильдус || [https://www.youtube.com/watch?v=oG3dg2t2mVc&list=PLEwK9wdS5g0o_HWWtNffNsBPpNmeuSDYV Лекция Жени Соколова на МО-2] || |
+ | Байесовская оптимизация: | ||
+ | * [https://towardsdatascience.com/a-conceptual-explanation-of-bayesian-model-based-hyperparameter-optimization-for-machine-learning-b8172278050f Статья на TDS], | ||
+ | * [https://en.wikipedia.org/wiki/Bayesian_optimization Википедия], | ||
+ | * [https://distill.pub/2020/bayesian-optimization/ на Distill] | ||
+ | |||
+ | Гауссовские процессы: | ||
+ | * [https://bigbird.comp.nus.edu.sg/pmwiki/farm/mlss/uploads/Site/lect1gp.pdf A Tutorial on Gaussian Processes] | ||
+ | * [https://thegradient.pub/gaussian-process-not-quite-for-dummies/ на TheGradient] | ||
+ | * [https://distill.pub/2019/visual-exploration-gaussian-processes/ "A Visual Exploration of Gaussian Processes" on Distill] | ||
|- | |- | ||
− | | style="background:#eaecf0;" | '''5''' || | + | | style="background:#eaecf0;" | '''5''' ||[[https://www.youtube.com/watch?v=E6e7AzF4o2Q&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] Быстрый поиск ближайших соседей || 08.10.22 || Бокатенко Данил || Хэш-функции || |
|- | |- | ||
− | | style="background:#eaecf0;" | '''6''' || | + | | style="background:#eaecf0;" | '''6''' || [[https://www.youtube.com/watch?v=X5LmHgOcly0&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] Графовый подход в задаче кластеризации || 15.10.22 || Бокатенко Данил || Собственные значения и собственные векторы матрицы || [https://arxiv.org/pdf/0711.0189.pdf Подробная статья по спектральной кластеризации] |
|- | |- | ||
− | | style="background:#eaecf0;" | '''7''' || EM-алгоритм || 22.10.22 || Максим Рябинин || || | + | | style="background:#eaecf0;" | '''7''' || [[https://www.youtube.com/watch?v=ZZsTFvha8uA&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] EM-алгоритм || 22.10.22 || Максим Рябинин || || |
|- | |- | ||
|} | |} | ||
Строка 51: | Строка 60: | ||
== Домашние задания == | == Домашние задания == | ||
+ | |||
+ | По курсу предусмотрено 2 домашних задания | ||
+ | |||
+ | # По семейству генеративных моделей (на сравнение GAN'ов, автоэнкодеров и нормализационных потоков) | ||
+ | # По AutoML | ||
+ | |||
+ | А вот и они: | ||
+ | # [https://github.com/Murcha1990/MLDS_AppliedDS_autumn2021/tree/main/HWs/hw1_GenModels GANs vs VAEs vs NF], '''Дедлайн - 16.10.22 (Вс) 23:59''', ''Выдано - 01.10.22'' | ||
+ | # [https://github.com/Murcha1990/MLDS_AppliedDS_autumn2021/blob/main/HWs/hw2_AutoML AutoML], '''Дедлайн - 22.10.22 (Сб) 23:59''', ''Выдано - 05.10.22'' | ||
== Литература == | == Литература == | ||
+ | RecSys: | ||
+ | * Ким Фальк, "Рекомендательные системы на практике"; | ||
+ | * [https://habr.com/ru/company/retailrocket/blog/345226/ Статья на Хабре со ссылками на избранные статьи с ACM RecSys]; | ||
+ | * [http://www.machinelearning.ru/wiki/images/0/0f/PZAD2017_11_recsys.pdf Слайды лекции лекции Дьяконова А.Г. в МГУ]; | ||
+ | * Charu C. Aggarwal. Recommender Systems: The Textbook, Springer; | ||
+ | * Recommender Systems Handbook. Francesco Ricci, Lior Rokach, Bracha Shapira (Eds.), Springer | ||
+ | |||
+ | Anomaly Detection: | ||
+ | * [https://github.com/yzhao062/anomaly-detection-resources '''anomaly-detection-resources''' repo on GitHub] | ||
+ | |||
+ | Normalizing Flows: | ||
+ | * [https://arxiv.org/pdf/1908.09257.pdf Normalizing Flows: An Introduction and Review of Current Methods] | ||
+ | * [https://github.com/janosh/awesome-normalizing-flows '''awesome-normalizing-flows''' repo on GitHub] | ||
+ | |||
+ | AutoML: | ||
+ | * [https://www.automl.org/ AutoML team of Leibniz University of Hannover website] | ||
+ | * yet another awesome repo [https://github.com/hibayesian/awesome-automl-papers '''Awesome-AutoML-Papers :)'''] | ||
+ | |||
+ | Other: | ||
+ | * [https://cdn1.sph.harvard.edu/wp-content/uploads/sites/1268/2020/11/ciwhatif_hernanrobins_23nov20.pdf Хорошая книга по causal inference] |
Текущая версия на 16:26, 3 ноября 2022
Содержание
О курсе
Курс посвящен расширению кругозора обучающихся в области машинного и глубинного обучения. На курсе изучаются различные приложения анализа данных, которые, как правило, не входят в программы других дисциплин цикла. Среди изучаемых на курсе тем: поиск аномалий в данных, обзор алгоритмов построения рекомендаций, EM-алгоритм, нормализационные потоки и другие довольно важные приложения.
Большинство занятий проводятся на Webinar.ru в Zoom по субботам с 12:00 до 13:20
Контакты
Канал курса в TG: channel link
Чат курса в TG: chat link
Ассистенты | Контакты |
---|---|
Червяков Артем | @arorlov |
Прохоров Савелий | @Savely_Prokhorov |
Материалы курса
Ссылка на плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI
Ссылка на GitHub с материалами курса: Github
Занятие | Тема | Дата | Преподаватель | Материалы для самоподготовки к семинарам | Дополнительные материалы |
---|---|---|---|---|---|
1 | [Запись] Рекомендательные системы | 17.09.22 | Цвигун Аким | Конспект Жени Соколова по рекомендательным системам | |
2 | [Запись] Поиск аномалий | 24.09.22 | Кантонистова Елена | Запись занятия Жени Соколова по поиску аномалий, Конспект | |
3 | [Запись]Нормализационные потоки | 01.10.22 | Гущин Михаил | Лекция Михаила на ИАДе | |
4 | [Запись] AutoML | 04.10.22 | Садртдинов Ильдус | Лекция Жени Соколова на МО-2 |
Байесовская оптимизация: Гауссовские процессы: |
5 | [Запись] Быстрый поиск ближайших соседей | 08.10.22 | Бокатенко Данил | Хэш-функции | |
6 | [Запись] Графовый подход в задаче кластеризации | 15.10.22 | Бокатенко Данил | Собственные значения и собственные векторы матрицы | Подробная статья по спектральной кластеризации |
7 | [Запись] EM-алгоритм | 22.10.22 | Максим Рябинин |
Формула оценивания
Оценка = 0.3*тесты + 0.7*ДЗ
В начале занятия - тест (4-5 несложных вопросов) по теме предыдущего занятия.
Домашние задания
По курсу предусмотрено 2 домашних задания
- По семейству генеративных моделей (на сравнение GAN'ов, автоэнкодеров и нормализационных потоков)
- По AutoML
А вот и они:
- GANs vs VAEs vs NF, Дедлайн - 16.10.22 (Вс) 23:59, Выдано - 01.10.22
- AutoML, Дедлайн - 22.10.22 (Сб) 23:59, Выдано - 05.10.22
Литература
RecSys:
- Ким Фальк, "Рекомендательные системы на практике";
- Статья на Хабре со ссылками на избранные статьи с ACM RecSys;
- Слайды лекции лекции Дьяконова А.Г. в МГУ;
- Charu C. Aggarwal. Recommender Systems: The Textbook, Springer;
- Recommender Systems Handbook. Francesco Ricci, Lior Rokach, Bracha Shapira (Eds.), Springer
Anomaly Detection:
Normalizing Flows:
- Normalizing Flows: An Introduction and Review of Current Methods
- awesome-normalizing-flows repo on GitHub
AutoML:
- AutoML team of Leibniz University of Hannover website
- yet another awesome repo Awesome-AutoML-Papers :)
Other: