Прикладные задачи анализа данных/2022 — различия между версиями
Mhushchyn (обсуждение | вклад) |
Esokolov (обсуждение | вклад) (→Лекции) |
||
Строка 70: | Строка 70: | ||
== Лекции == | == Лекции == | ||
+ | |||
+ | Лекция 1 (28.01.2021). Задачи порождения изображений. Perceptual loss. Перенос стиля. Superresolution. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture01-generative.pdf Слайды]] [[https://www.youtube.com/watch?v=GRJ84i2z_7A Запись лекции]] | ||
+ | |||
+ | Лекция 2 (04.02.2021). Вариационные автокодировщики. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture02-vae.pdf Слайды]] [[https://www.youtube.com/watch?v=cBL7jS4GQRk Запись лекции]] | ||
== Семинары == | == Семинары == |
Версия 13:47, 4 февраля 2021
Содержание
О курсе
Курс читается для студентов 3-го курса майнора ИАД в 3-4 модулях.
Проводится с 2016 года.
Лекции проходят по четвергам в 11:10 по ссылке.
Полезные ссылки
Репозиторий с материалами на GitHub
Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com)
Канал в telegram для объявлений: https://t.me/hse_minor_intro_dm_2
Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/iad_flood
Ссылка на курс в Anytask: https://anytask.org/course/787
Таблица с оценками:
Семинары
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- Практические домашние работы на Python
- Контрольная где-то в середине курса
- Письменный экзамен
Итоговая оценка вычисляется по формуле:
Округление(0.5 * ДЗ + 0.2 * КР + 0.3 * Э)
ДЗ — средняя оценка за практические домашние задания
КР — оценка за контрольную работу
Э — оценка за экзамен
Итоговое округление арифметическое.
Правила сдачи заданий
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.
При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.
При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.
Лекции
Лекция 1 (28.01.2021). Задачи порождения изображений. Perceptual loss. Перенос стиля. Superresolution. [Слайды] [Запись лекции]
Лекция 2 (04.02.2021). Вариационные автокодировщики. [Слайды] [Запись лекции]
Семинары
Семинар 1 (04.02.2021). Трансформация изображений. [Тетрадка]
Практические задания
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. В течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки продолжает вычитаться по одному баллу (если не оговорено иное).