НИС Прикладные задачи анализа данных (МОиВС, 2022) — различия между версиями
Материал из Wiki - Факультет компьютерных наук
(initial edit) |
м (add some links) |
||
Строка 6: | Строка 6: | ||
==Контакты== | ==Контакты== | ||
− | Канал курса в TG: [channel link] | + | Канал курса в TG: [https://t.me/+t-kFVhkL5Uo3Y2E6 channel link] |
− | Чат курса в TG: [chat link] | + | Чат курса в TG: [https://t.me/+Hz3D9pCadFAxN2Vi chat link] |
{| class="wikitable" | {| class="wikitable" | ||
Строка 20: | Строка 20: | ||
==Материалы курса== | ==Материалы курса== | ||
− | Ссылка на плейлист курса на YouTube: | + | Ссылка на плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI |
Ссылка на GitHub с материалами курса: [[ GitHub]] | Ссылка на GitHub с материалами курса: [[ GitHub]] |
Версия 01:12, 21 сентября 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 приложения.
Занятия проводятся в [ Zoom] по ... в ...
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 | Поиск аномалий | Кантонистова Елена Олеговна | |||
2 | Рекомендательные системы | Цвигун Аким | |||
3 | Быстрый поиск ближайших соседей | ||||
4 | Графовый подход в задаче кластеризации | ||||
5 | EM-алгоритм | Максим Рябинин | |||
6 | Нормализационные потоки | Гущин Михаил | |||
7 | AutoML |
Формула оценивания
Оценка = 0.3*тесты + 0.7*ДЗ
В начале занятия - тест (4-5 несложных вопросов) по теме предыдущего занятия.