Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
Строка 16: Строка 16:
  
 
== Домашние Задания ==
 
== Домашние Задания ==
 
+
'''1) ДЗ 1: SVM - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла IDA<Номер группы>HW1<Фамилия>.ipynb - например IDA1HW1Panov.ipynb
  
 
== Полезные ссылки (Будут пополняться) ==
 
== Полезные ссылки (Будут пополняться) ==

Версия 11:24, 21 сентября 2017

Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: Панов Александр [1]
При обращении по почте, начинайте тему письма со слов [Майнор ИАД]

Страница курса
Анонимные комментарии, замечания и пожелания можно оставить здесь
Репозиторий курса - https://github.com/grafft/hse-tasks/tree/master/minor-aml-17

Семинары

1) 7 сентября 2017: Метод опорных векторов и ядра - тетрадка, опрос
2) 21 сентября 2017: Методы оптимизации - [тетрадка], опрос

Домашние Задания

1) ДЗ 1: SVM - тетрадка, данные1, данные2. Готовые решения (только файл ipynb!) отправлять в Dropbox с названием файла IDA<Номер группы>HW1<Фамилия>.ipynb - например IDA1HW1Panov.ipynb

Полезные ссылки (Будут пополняться)

Семинар 1

  1. Пример работы полиномиального ядра
  2. Описание ядер
  3. Еще про SVM

Pandas & Seaborn

  1. Pandas
  2. Effective Pandas
  3. Pandas Cheat-Sheet
  4. Pandas Visualization
  5. Seaborn

Наборы данных

  1. Портал Открытых Данных РФ
  2. Funny Datasets
  3. Сборник Открытых Данных (!!!)
  4. Еще наборы данных

FYI

  1. Spurious Correlations
  2. Correlation

Python

  1. PEP-8 Code Style Guide Cheat-sheet
  2. Python Tutorials Point
  3. Matplotlib Tutorial
  4. Matrix Manipulation Cheat-sheet
  5. Ipython Notebook
  6. Beaker Notebook
  7. yhat Rodeo

Ресурсы и Книги

  1. James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning
  2. Bishop — Pattern Recognition and Machine Learning (первые главы)
  3. MachineLearning.ru
  4. Kaggle
  5. UCI Repo
  6. Visual Intro to ML

Онлайн Курсы

  1. Andrew Ng's Course
  2. Introduction to ML
  3. Learning Data Science with Python
  4. Курс от ВШЭ
  5. Обзор МООС Курсов