LSML 2024/2025 — различия между версиями

Версия 00:39, 21 января 2025

О курсе

Курс читается для студентов 4-го курса ПМИ ФКН ВШЭ в 3 модуле. Проводится с 2017 года.

Лекторы: Анищенко Илья Игоревич, Байкалов Владимир Олегович, Булатов Евгений Александрович

Семинаристы: Галушкин Андрей Владимирович, Анищенко Илья Игоревич

Ассистент -

Лекции проходят в онлайн-режиме.

Вычислительные мощности в облаке Yandex.Cloud для курса предоставила компания Яндекс.

Полезные ссылки

Слайды лекций: - https://github.com/NaxNax666/lsml-2025/tree/main/lectures

Получение доступа к Облаку - https://forms.gle/WYxZNoyzmz8aB9C87

Таблица с оценками: -

Папка на Я.Диске с записями всех занятий - https://disk.yandex.ru/d/XjVA1H2x8tCbBw

Чат в telegram с объявлениями и топиками по курсу: - https://t.me/+ipo8KM6LQs8yNzZi

Репозиторий с материалами семинаров: https://github.com/NaxNax666/lsml-2025

Наше облако:

Ошибки в материалах лекций/семинаров/заданий лучше всего оформлять в виде issue на github.

Самостоятельные задачи сдаются в Google forms. Для каждого задания своя отдельная ссылка на прием заданий:

Лекции и Семинары

Лекции проводят преподаватели из списка выше в общий временной слот в ПН 18:10 - 19:30 по МСК - (ссылка будет позже)

Семинары проводят:

- Галушкин Андрей в СБ в 11:10-12:30 по МСК - (ссылка будет позже)

- Анищенко Илья в ПН в 19:40-21:00 по МСК - (ссылка будет позже)

Консультации

Консультации с преподавателями и учебными ассистентами (если иное не оговорено на странице семинаров конкретной группы) по курсу проводятся по предварительной договорённости ввиду невостребованности регулярных консультаций.

При необходимости, можно писать на почту или в Telegram.

Правила выставления оценок

В курсе предусмотрено несколько форм контроля знания:

• Мини-домашние задания. Дедлайн на сдачу заданий - 2-3 недели (см таблицу с точными датами).
• Большое домашнее задание (будет выдано ориентировочно на 4 семинаре).
• В Мини-домашних заданиях переодически буду появляться бонусные задания, дающие возможность получить больше 10 баллов за работу

Итоговая оценка вычисляется:

O_{итоговая} = 0.5*[(O_МДЗ1 + O_МДЗ2 + O_МДЗ3 + O_МДЗ4)/4] + 0.5*O_ДЗ

Правила сдачи заданий

Важно останавливать\удалять ресурсы, создаваемые в облаке, так как в противном случае финансов может не хватить для выполнения всех заданий. Полезно при этом овладеть навыком сохранения промежуточных данных в облачном хранилище - это позволит максимально быстро выполнять задания с минимальными финансовыми затратами.

Дедлайны по всем домашним заданиям являются жёсткими, то есть после срока работы не принимаются.

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.

Полезные материалы

Книги

1. Ron Bekkerman, Mikhail Bilenko, John Langford. Scaling up Machine Learning: Parallel and Distributed Approaches, Cambridge University Press, 2011.
2. Jure Leskovec, Anand Rajaraman, Jeff Ullman. Mining of Massive Datasets, Cambridge University Press, 2014.
3. Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning (Adaptive Computation and Machine Learning series), The MIT Press, 2016.
4. Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills. Advanced Analytics with Spark: Patterns for Learning from Data at Scale, O'Reilly Media, 2015.

Странички прошлых лет

http://wiki.cs.hse.ru/LSML_2023/2024