Майнор Интеллектуальный анализ данных/Современные методы машинного обучения — различия между версиями
Esokolov (обсуждение | вклад) (→Семинары) |
Esokolov (обсуждение | вклад) (→Семинары) |
||
| Строка 43: | Строка 43: | ||
| ИАД-4 || Хайдуров Руслан Александрович || Пётр Жижин | | ИАД-4 || Хайдуров Руслан Александрович || Пётр Жижин | ||
|- | |- | ||
| − | | ИАД-5 || Фоменко Мария Михайловна || | + | | ИАД-5 || Фоменко Мария Михайловна || Эдуард Тульчинский |
|- | |- | ||
|} | |} | ||
Версия 18:50, 12 сентября 2019
Содержание
О курсе
Курс читается для студентов 3-го курса майнора ИАД в 1-2 модулях.
Проводится с 2015 года.
Курс проводится в blended-формате без очных лекций.
Организационные вопросы можно задавать Соколову Евгению Андреевичу
Занятия проходят по четвергам на Покровском бульваре, 11.
Полезные ссылки
Репозиторий с материалами: https://github.com/hse-ds/iad-deep-learning
Домашние задание сдаются в Anytask: https://anytask.org/course/?
Канал в telegram для объявлений: https://telegram.me/hse_minor_intro_dm_2019
Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/joinchat/A5rlQBSn7ROATFOWGlzRwg
Оставить отзыв на курс: форма
Вопросы по курсу можно задавать в телеграм куратору курса (esokolov@), семинаристу, в чатах групп или в issues на гитхабе.
Семинары
| Группа | Преподаватель | Учебный ассистент |
|---|---|---|
| ИАД-1 | Багиян Нерсес Карленович | Мария Головина |
| ИАД-2 | Абакумова Ольга Витальевна | |
| ИАД-3 | Анвардинов Шариф Ринатович | |
| ИАД-4 | Хайдуров Руслан Александрович | Пётр Жижин |
| ИАД-5 | Фоменко Мария Михайловна | Эдуард Тульчинский |
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- Самостоятельные работы на семинарах, проверяющие знание основных фактов с онлайн-курсов и семинаров
- Практические домашние работы на Python
- Контрольная где-то в середине курса
- Письменный экзамен
Итоговая оценка вычисляется по формуле:
Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.1 * ОК + 0.2 * Э)
ДЗ — средняя оценка за практические домашние задания
ПР — средняя оценка за проверочные работы на семинарах
КР — оценка за контрольную работу
ОК — оценка, полученная на Coursera за курс "How to Win a Data Science Competition"
Э — оценка за экзамен
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.
Онлайн-курсы
Дисциплина сопровождается двумя онлайн-курсами: Introduction to Deep learning и How to Win a Data Science Competition.
Курс Introduction to Deep learning не нужно проходить полностью — требуется лишь смотреть видео из него. Мы будем сообщать, к какому моменту что надо посмотреть.
Курс How to Win a Data Science Competition нужно полностью сдать на Coursera. Оценка за него войдёт в итоговую оценку.
