Майнор Интеллектуальный анализ данных/Введение в анализ данных — различия между версиями
м (→Семинары) |
|||
Строка 41: | Строка 41: | ||
| ИАД-4 || Надежда Чиркова, Талгат Даулбаев || Вальчук Ксения <br />[https://t.me/nu_takoe Telegram], [mailto:ksenia.valchuk@gmail.com Mail] || [https://github.com/iad-24/seminars Страница] || среда, 12:10 - 13:30, ауд. 4335 | | ИАД-4 || Надежда Чиркова, Талгат Даулбаев || Вальчук Ксения <br />[https://t.me/nu_takoe Telegram], [mailto:ksenia.valchuk@gmail.com Mail] || [https://github.com/iad-24/seminars Страница] || среда, 12:10 - 13:30, ауд. 4335 | ||
|- | |- | ||
− | | ИАД-5 || Филатов Артём || Рогачевская Анастасия <br />[https://t.me/arogachewskaya Telegram], [mailto:arogachewskaya@gmail.com Mail] || [https://t.me/joinchat/ABAXWFByRjNOFQCQabgiKA Telegram] || среда, | + | | ИАД-5 || Филатов Артём || Рогачевская Анастасия <br />[https://t.me/arogachewskaya Telegram], [mailto:arogachewskaya@gmail.com Mail] || [https://t.me/joinchat/ABAXWFByRjNOFQCQabgiKA Telegram] || среда, 09:00 - 10:20, ауд. 4337 |
|- | |- | ||
|} | |} |
Версия 13:07, 24 января 2018
Содержание
О курсе
Курс читается для студентов 2-го курса майнора ИАД в 3-4 модулях.
Проводится с 2015 года.
Лектор: Соколов Евгений Андреевич
Лекции проходят по средам, 10:30 - 11:50, ауд. 5215 (Шаболовка, 26).
Полезные ссылки
Репозиторий с материалами на GitHub
Почта для сдачи домашних заданий: hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com)
Канал в telegram для объявлений: https://telegram.me/hse_minor_intro_dm_2018
Оставить отзыв на курс: форма
Вопросы по курсу можно задавать на почту курса, а также в телеграм лектору (esokolov@) или семинаристу. Вопросы по материалам лекций лучше всего оформлять в виде Issue в github-репозитории курса.
Семинары
Группа | Преподаватель | Учебный ассистент | Страница | Расписание |
---|---|---|---|---|
ИАД-1 | Рысьмятова Анастасия | Багиян Нерсес Telegram, Mail |
Страница | среда, 12:10 - 13:30, ауд. 4336 |
ИАД-2 | Талгат Даулбаев, Надежда Чиркова | Першин Максим Telegram, Mail |
Страница | среда, 09:00 - 10:20, ауд. 4336 |
ИАД-3 | Каюмов Эмиль | Ковалев Евгений Telegram, VK |
среда, 09:00 - 10:20, ауд. 4427 | |
ИАД-4 | Надежда Чиркова, Талгат Даулбаев | Вальчук Ксения Telegram, Mail |
Страница | среда, 12:10 - 13:30, ауд. 4335 |
ИАД-5 | Филатов Артём | Рогачевская Анастасия Telegram, Mail |
Telegram | среда, 09:00 - 10:20, ауд. 4337 |
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
- Контрольная где-то в середине курса
- Письменный экзамен
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
Oитоговая = 0.7 * Oнакопленная + 0.3 * Оэкз
Оценка за работу в семестре вычисляется по формуле
Oнакопленная = 0.2 * Oсамостоятельные + 0.6 * Одз + 0.2 * Оконтрольная
Оценка за самостоятельную работу вычисляется как среднее по всем самостоятельным, оценка за домашнюю работу — как среднее по всем практическим заданиям.
Правила сдачи заданий
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.
При наличии уважительной причины 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
Лекция 1 (17.01.2017). Введение в машинное обучение и анализ данных. [Слайды]
Лекция 2 (24.01.2017). Типы задач машинного обучения. Типы признаков. Обобщающая способность и переобучение. Примеры задач анализа данных. [Слайды]
Семинары
Семинар 1 (17.01.2018). Библиотека для работы с матрицами Numpy. [Необязательное домашнее задание для тренировки]
Коллоквиум
Вопросы прошлого года: https://docs.google.com/document/d/1jAiUeCYDPzeElDd5muzhVNQ4ylQFqs_iHPVseoSWlb4/edit?usp=sharing
Примеры задач прошлого года:
- Метрические методы, kNN [Примеры задач]
- Линейные методы [Примеры задач]
- Решающие деревья [Примеры задач]
- Метрики качества [Примеры задач]
Экзамен
Вопросы прошлого года: https://docs.google.com/document/d/1IU2jEN5NU3tSuP_5YnFSS2GUDYxoLfSQ4dSy1B_a29M/edit?usp=sharing
Примеры задач прошлого года (также могут войти задачи из коллоквиума)
Если накопленная оценка равна 6 или выше, то можно её автоматом перенести в накопленную. Необходимое условие — хорошая оценка за контрольную работу (точный порог будет объявлен позже).
Полезные материалы
Курсы по машинному обучению и анализу данных
- Курс по машинному обучению К.В. Воронцова
- Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов
- Coursera: Машинное обучение и анализ данных (специализация)
- Coursera: Введение в машинное обучение, К.В. Воронцов
- Coursera: Machine Learning, Andrew Ng
Статьи
- An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples
- A Visual Introduction to Machine Learning
Книги
- Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
- Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.
- James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.