ИИ Машинное обучение (ИИ24, 2-3 модули) — различия между версиями
Murrcha (обсуждение | вклад) |
Murrcha (обсуждение | вклад) |
||
| (не показаны 4 промежуточные версии этого же участника) | |||
| Строка 40: | Строка 40: | ||
| style="background:#eaecf0;" | Георгий Чешко || @aketa147 | | style="background:#eaecf0;" | Георгий Чешко || @aketa147 | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | | + | | style="background:#eaecf0;" | Тимур Акимов || @takimov |
|- | |- | ||
| style="background:#eaecf0;" | Алена Голубович || @alonagolubovich | | style="background:#eaecf0;" | Алена Голубович || @alonagolubovich | ||
| Строка 52: | Строка 52: | ||
==Материалы курса== | ==Материалы курса== | ||
| − | |||
| − | Ссылка на GitHub с материалами курса: [ | + | Ссылка на GitHub с материалами курса: [https://github.com/Murcha1990/ML_AI24/tree/main GitHub repository] |
{| class="wikitable" | {| class="wikitable" | ||
| Строка 82: | Строка 81: | ||
== Домашние задания == | == Домашние задания == | ||
| + | |||
| + | Условия домашних заданий находятся [https://github.com/Murcha1990/ML_AI24/tree/main/Hometasks здесь]. | ||
| + | |||
| + | # EDA и Линейная регрессия с инференсом | ||
# | # | ||
# | # | ||
| + | # | ||
# | # | ||
# | # | ||
| + | # | ||
== Литература == | == Литература == | ||
Текущая версия на 12:53, 5 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 |
| Тимур Акимов | @takimov |
| Алена Голубович | @alonagolubovich |
| Виктор Тихомиров | @onthebox |
| Глеб Булыгин | @jdbelg |
| Яна Журович | @janinaal |
Материалы курса
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.
Домашние задания
Условия домашних заданий находятся здесь.
- EDA и Линейная регрессия с инференсом
