Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных — различия между версиями
Machine (обсуждение | вклад) |
Katya (обсуждение | вклад) |
||
| Строка 21: | Строка 21: | ||
* Дедлайн по техническому заданию по проекту: все группы, кроме ИАД-6 -- до 23:59 13.04, ИАД-6 -- до 23:59 20.04 | * Дедлайн по техническому заданию по проекту: все группы, кроме ИАД-6 -- до 23:59 13.04, ИАД-6 -- до 23:59 20.04 | ||
| + | |||
| + | * Дедлайн по отчету проекту: все группы -- до 23:59 14.06 | ||
Отчет по ДЗ состоит из трех частей: содержательный отчет, код и данные. Первые две части можно совместить в ipython notebook. | Отчет по ДЗ состоит из трех частей: содержательный отчет, код и данные. Первые две части можно совместить в ipython notebook. | ||
| Строка 33: | Строка 35: | ||
[https://www.dropbox.com/s/lfu8mrsnr6hcuoq/IndGroupTask.pdf?dl=0 (NEW) Инструкции по выполнению проекта] | [https://www.dropbox.com/s/lfu8mrsnr6hcuoq/IndGroupTask.pdf?dl=0 (NEW) Инструкции по выполнению проекта] | ||
| + | |||
| + | Автоматы по курсу: средняя оценка за домашние задания >= 8, оценка за ТЗ = 1, оценка за отчет по проекту >= 8 | ||
== Материалы занятий == | == Материалы занятий == | ||
Версия 20:26, 29 мая 2017
Материалы курса "Прикладные задачи анализа данных"
Преподаватели: Д. И. Игнатов, Е. Л. Черняк
ВНИМАНИЕ! Просим группу ИАД-2 придти на занятия ИАД-1, КК 4427, группы ИАД-3 и ИАД-4 – на занятия ИАД-6, КК 4336, или ИАД-7, КК 4428.
Домашние задания можно выполнять индивидуально или в группах по два человека. Отчет по домашнему заданию отправляйте по адресу: iad.hse@yandex.ru , тему письма сформатируйте так: ИАД-X ДЗ-Y Name1 Name2, где X – номер группы, Y – номер домашнего задания, а Name1 Name2 - ваши фамилии (или Name1, если вы делаете домашнее задание самостоятельно) .
Дедлайны домашних заданий в списке ниже. Если вы сдаете домашнее задание после дедлайна, то оценка снижается на 10% за каждый день опоздания.
- Дедлайн по 1 домашнему заданию: все группы -- до 23:59 9.02, кроме ИАД-2 -- до 23:59 16.02.
- Дедлайн по 2 домашнему заданию: все группы -- до 23:59 25.02 (внимание, ДЗ обновлено!!!)
- Дедлайн по 3 домашнему заданию: все группы -- до 23:59 9.03
- Дедлайн по 4 домашнему заданию: все группы -- до 23:59 6.04
- Дедлайн по 5 домашнему заданию: все группы -- до 23:59 16.04
- Дедлайн по техническому заданию по проекту: все группы, кроме ИАД-6 -- до 23:59 13.04, ИАД-6 -- до 23:59 20.04
- Дедлайн по отчету проекту: все группы -- до 23:59 14.06
Отчет по ДЗ состоит из трех частей: содержательный отчет, код и данные. Первые две части можно совместить в ipython notebook.
Оценки за домашние задания:
(NEW) Инструкции по выполнению проекта
Автоматы по курсу: средняя оценка за домашние задания >= 8, оценка за ТЗ = 1, оценка за отчет по проекту >= 8
Содержание
Материалы занятий
19.01.2017
Лекция 1. Введение (upd: формула оценки)
26.01.2017
Лекция 2. Введение в АОТ. Морфология, методы выделения ключевых слов, синтаксис
Практическое занятие 1. Тетрадки и данные
Домашнее задание 1. Сравнение стилей
02.01.2017
Практическое занятие 2. Туториалы и полезные ссылки
(обновление) Домашнее задание 2. Word2vec
9.02.2017
Лекция 5. Классификация в задачах АОТ
Задания из курса Лауры Каллмайер
16.02.2017
Данные для Домашнего задания З
Практическое занятие 3. Нейронные сети
02.03.2017
Лекция 6. Поиск частых множеств и ассоциативные правила (повторение с примерами прикладных задач)
16.03.2017
Лекция 7. Поиск частых последовательностей (Sequence mining)
(UPD) Домашнее задание 4
(UPD) Домашнее задание 5
23.03.2017
Лабораторная по деревьям решений
Лекция 8. Майнинг последовательностей для демографических данных
06.04.2017
Рамочная презентация: введение в рекомендательные системы
Скрипт для работы в классе и первая часть домашнего задания
13.04.2017
Матричная факторизация в задаче коллаборативной фильтрации (SVD, NMF, BMF). Case-study 2.
Скрипт на Питоне для SVD и NMF.
20.04.2017
Гибридные рекомендательные системы на примере рекомендаций онлайн-радиостанций.
Surprise test (пример работы с библиотекой рекомендательных систем в Python)
27.04.2017
Спектральная кластеризация для анализа Интернет-данных
11.05.2017
Лекция про ссылочное ранжирование
Материал для самостоятельного чтения:
18.05.2017
18.05 лекция перенесена в ауд. 5307, Шаболовка 26
ВНИМАНИЕ! Занятия 18 мая ОТМЕНЯЮТСЯ!
