Машинное обучение 1 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Ассистенты)
(Практические задания)
Строка 214: Строка 214:
  
 
Делается один из [https://github.com/esokolov/ml-course-hse/tree/master/2024-fall/homework-practice/homework-practice-01-tabular ноутбуков] на выбор:
 
Делается один из [https://github.com/esokolov/ml-course-hse/tree/master/2024-fall/homework-practice/homework-practice-01-tabular ноутбуков] на выбор:
 +
 +
[https://contest.yandex.ru/contest/68637/problems/A/ Контест]
  
 
== Теоретические домашние задания ==
 
== Теоретические домашние задания ==

Версия 18:12, 5 октября 2024

О курсе

borderless

Курс читается для студентов 3-го курса ПМИ ФКН ВШЭ в 1-2 модулях.

Проводится с 2016 года.

Лектор: Соколов Евгений Андреевич




Полезные ссылки

Карточка курса и программа

Репозиторий с материалами на GitHub

Видеозаписи лекций этого года

Видеозаписи лекций 18/19 года

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+<номер группы>@gmail.com (например, hse.cs.ml+171@gmail.com)

Канал в telegram для объявлений: https://t.me/+gxrF4fgHSmMwMDhi

Чат в telegram для обсуждений: https://t.me/+M-VDeipU6RwxZWZi

Ссылка на курс в Anytask: https://anytask.org/course/1142

Таблица с оценками: https://docs.google.com/spreadsheets/d/1eS4JqgeeI72mX_gaBN6C_XMItWAvJ5TP_5b6tVoROxc/edit?usp=sharing

Оставить отзыв на курс: форма <- (это прошлогодняя форма, может быть, ссылка поменялась?)

Вопросы по курсу можно задавать в телеграм лектору (esokolov@) или семинаристу. Вопросы по материалам лекций/семинаров и по заданиям лучше всего задавать на форуме.

Семинары

Группа Преподаватель Ссылка на чат в телеграме Код инвайта на энитаск
БПМИ221 МОП Морозов Никита https://t.me/+Tebvy9_svFM4NzYy YXGcs5A
БПМИ222 МОП Евгений Соколов https://t.me/+V92Tp5J-AG00ZmNi PiXSpFL
БПМИ223 МОП Косакин Даниил https://t.me/+1ZaN_ECrLTNlZTYy ztAw4bD
БПМИ224 МОП Еленик Константин Ссылка zKRY4i4
БПМИ225 РС Кириллов Дмитрий https://t.me/+oKFSVLH-ymU5NWVi CTJkd3J
БПМИ226 РС Семерова Елена https://t.me/+Lt1FGPp1vExhMDNi kPkwXk3
БПМИ227 ТИ и БПМИ228 АПР Никитин Илья https://t.me/+tRbZ0HffyLtkNjI6 ThpWF4W
БПМИ229 АДИС Ульянкин Филипп https://t.me/+CemuxhVSu0RkN2Ni tOzduhC
БПМИ2210 Марк Блуменау https://t.me/+KfKFDcMGTE43Y2Zi 5i0zPiV
БЭАД221 и БЭАД222 Коган Александра Ссылка ZUlrodJ
КНАД Диана https://t.me/+p7W7oYk0zl9iMmEy BslQymU
ФЭН Якуба Прохор https://t.me/+WRlNS0Hk5ltlNWZi r21CfKc
ВСН Томащук Корней https://t.me/+otp_wrkMyQIxMDU6 Pp6NVC4

Ассистенты

Группа Ассистент
БПМИ221 МОП

Сенин Тимофей Павлович

Дробышевский Илья Александрович

БПМИ222 МОП

Сорокин Дмитрий Алексеевич

Скрибченко Арсений Владиславович

БПМИ223 МОП

Саберов Динар Ренатович

Панфилов Борис Сергеевич

БПМИ224 МОП

Захарченко Максим Андреевич

Бугаев Егор Петрович

БПМИ225 РС

Максимова Софья Антоновна

Сокуров Рустам Астемирович

БПМИ226 РС

Маркович Анна Александровна

Уткин Андрей Сергеевич

БПМИ227 ТИ и БПМИ228 АПР

Турчина Ольга Николаевна

Шинкарев Елисей Сергеевич

БПМИ229 АДИС

Замышевская Арина Александровна

Петрович Даниил Арсеньевич

БПМИ2210 ПР

Качанов Андрей Владимирович

Иванов Даниил Константинович

БЭАД221

Березин Даниил Сергеевич

Мартишевич Владислав

БЭАД222

Пономарчук Анна Сергеевна

Шишлянников Павел Александрович

ФЭН

Янковская Анна Михайловна

Парамонов Всеволод Антонович

Курченко Михаил Алексеевич

Яценко Антон Игоревич

ВСН

Кривда Матвей Александрович

Розаева Мария Михайловна

КНАД

Веселов Илья Николаевич

Рябков Игорь Дмитриевич

КНАД

Ларин Иван

Юсупов Вячеслав Александрович

Правила выставления оценок

В курсе предусмотрено несколько форм контроля знания:

  • Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров
  • Практические домашние работы на Python
  • Письменная контрольная работа
  • Письменный экзамен

Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

Итог = Округление(0.15 * ПР + 0.4 * ДЗ + 0.15 * КР + 0.3 * Э)

ПР — средняя оценка за самостоятельные работы на семинарах

ДЗ — средняя оценка за практические домашние работы на Python

КР — оценка за контрольную работу

Э — оценка за экзамен

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.

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

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.

Использовать генеративные модели (ChatGPT, GitHub Copilot и прочие) можно. Но если вы их применяете, то обязательно нужно сделать следующее:

1. Указывать, какие части ДЗ выполнены с использованием генеративных моделей.

2. Добавить в конец вашего решения небольшой раздел с рефлексией, где вы описываете, как подбирали промпты, какие заметили преимущества и недостатки генеративных моделей при выполнении данного ДЗ.

Также мы в любом случае оставляем за собой право пригласить студента для защиты своего ДЗ, если заподозрим плагиат.

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

Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!

Семинары

Практические задания

Задание 1. Pandas/Polars и распределение студентов ПМИ по элективам.

Мягкий дедлайн: 23:59 06.10.2024

Жесткий дедлайн: 23:59 10.10.2024

Делается один из ноутбуков на выбор:

Контест

Теоретические домашние задания

Теоретическое ДЗ 1. Линейные модели. [Задания]

Бонусы за соревнования

Контрольная работа

Экзамен

Полезные материалы

Книги

  • Учебник по машинному обучению от ШАД
  • Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.
  • Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
  • Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
  • Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
  • Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
  • Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.

Курсы по машинному обучению и анализу данных

Страницы предыдущих лет

2023/2024 учебный год

2022/2023 учебный год

2021/2022 учебный год

2020/2021 учебный год

2019/2020 учебный год

2018/2019 учебный год

2017/2018 учебный год

2016/2017 учебный год