Современные методы машинного обучения (курс майнора) ИАД2-6 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
м
(Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6)
Строка 4: Строка 4:
 
На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-2 и ИАД-6
 
На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-2 и ИАД-6
  
Семинарист: [[Участник:aparinov | Паринов Андрей Андреевич]] (aparinov1@gmail.com)[mailto:aparinov1@gmail.com] <br/>
+
Семинарист: [[Участник:ykashnitsky | Кашницкий Юрий Савельевич]] (yury.kashnitsky@gmail.com)[mailto:yury.kashnitsky@gmail.com] <br/>
 
В случае отправления писем или сообщений на другие email ящики (IM), ответ не гарантирован. Домашние задания отправленные на другие ящики не принимаются к проверке. <br/>
 
В случае отправления писем или сообщений на другие email ящики (IM), ответ не гарантирован. Домашние задания отправленные на другие ящики не принимаются к проверке. <br/>
 
При обращении по почте, начинайте тему письма со слов  <br/>  
 
При обращении по почте, начинайте тему письма со слов  <br/>  
Строка 15: Строка 15:
 
Результирующая оценка по дисциплине рассчитывается по формуле: Oитог=0.7 Oнакопл+0.3 Oэкз <br/>
 
Результирующая оценка по дисциплине рассчитывается по формуле: Oитог=0.7 Oнакопл+0.3 Oэкз <br/>
 
Накопленная оценка рассчитывается по формуле: Oнакопл=0.15 Oсамост+0.15 Oауд+0.5 Oдз+0.2 Oколлоквиум
 
Накопленная оценка рассчитывается по формуле: Oнакопл=0.15 Oсамост+0.15 Oауд+0.5 Oдз+0.2 Oколлоквиум
Вопросы по курсу можно и нужно задавать на странице Q&A Pizza [http://piazza.com/hse.ru/fall2016/da3 здесь].<br/>
+
Вопросы по курсу можно и нужно задавать на странице Q&A Piazza [http://piazza.com/hse.ru/fall2016/da3 здесь].<br/>
 
Анонимные комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/z5yXFvn3ElxvyQpk2 здесь]<br/>
 
Анонимные комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/z5yXFvn3ElxvyQpk2 здесь]<br/>
  

Версия 13:32, 6 ноября 2016

Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-2 и ИАД-6

Семинарист: Кашницкий Юрий Савельевич (yury.kashnitsky@gmail.com)[1]
В случае отправления писем или сообщений на другие email ящики (IM), ответ не гарантирован. Домашние задания отправленные на другие ящики не принимаются к проверке.
При обращении по почте, начинайте тему письма со слов
[Майнор2016 ИАД2] для студентов из группы ИАД 2 [Майнор2016 ИАД6] для студентов из группы ИАД 6

Страница курса

Таблица с оценками [2]
Результирующая оценка по дисциплине рассчитывается по формуле: Oитог=0.7 Oнакопл+0.3 Oэкз
Накопленная оценка рассчитывается по формуле: Oнакопл=0.15 Oсамост+0.15 Oауд+0.5 Oдз+0.2 Oколлоквиум Вопросы по курсу можно и нужно задавать на странице Q&A Piazza здесь.
Анонимные комментарии, замечания и пожелания можно оставить здесь

Семинары

1) 15 Сентября 2016: Метод опорных векторов. Ядра. - [IPython Notebook]
2) 22 Сентября 2016: Стохастический градиент. - [Data&Notebook]
3) 29 Сентября 2016: Предобработка данных. - [Notebook]
4) 6 Октября 2016: Предобработка данных 2 - [Notebook]
5) 20 Октября 2016: Bagging.RF.Boosting - [Notebook]
6) 20 Октября 2016: Multilayered Perceptron - Notebook]

Домашние Задания

[ДЗ 1.] Данные. Срок - 30 Сентября 2016
[ДЗ 2.] Статья Срок - 26 Октября 2016

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

Семинар 1

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