Прикладная статистика в машинном обучении 20/21 — различия между версиями
Строка 92: | Строка 92: | ||
* [https://github.com/V-Marco/psmo_20_21/blob/master/seminars/sem8/psmo_sem8.ipynb Код] | * [https://github.com/V-Marco/psmo_20_21/blob/master/seminars/sem8/psmo_sem8.ipynb Код] | ||
* [https://youtu.be/jpD2bjrMsIY Видео] | * [https://youtu.be/jpD2bjrMsIY Видео] | ||
+ | |||
+ | Семинар 9: Гетероскедастичность. | ||
+ | * [https://github.com/V-Marco/psmo_20_21/blob/master/seminars/sem9/psmo_sem9.ipynb Кодспект] | ||
=== Домашние задания === | === Домашние задания === |
Версия 23:51, 9 ноября 2020
Содержание
О курсе
Курс читается для студентов 3-го курса в 1-2 модулях.
Лектор: Демешев Борис Борисович
Лекции проходят по пятницам (09:30 - 10:50) онлайн на вышкинской vr360.
Семинарист: Владимир Омелюсик
Семинары проходят по вторникам в 13:00 - 14:20 в ауд. G115 и в 14:40 - 16:00 в D504
Учебные ассистенты: Камилла Бахтиева (181), Наталия Бондаренко (182)
Полезные ссылки
Боевой листок
Лекции
Лекция 1: Метод максимального правдоподобия: точечные и интервальные оценки.
- видео
- Почитать: Ryan Martin, Maximum Likelihood
Лекция 2: Тест отношения правдоподобия и тест Вальда.
- видео
- Почитать: Engle, LR, LM, W tests
Лекция 3: Тест множителей Лагранжа и энтропия.
- видео
- Почитать: Visual Information
Лекция 4: EM-алгоритм.
- видео
- Почитать: Martin Haugh, EM algorithm
Лекция 5: EM-алгоритм и Bootstrap.
- видео
- Почитать: Tim Hesterberg, What teachers should know about bootstrap?, Jeremy Orloff Bootstrap CI
- конспект
Лекция 6. Регрессия и нормальное распределение.
- Почитать: Stahl, Evolution of the Normal distribution, Jaynes, Normal distribution (chapter from Probability: the logic of Science
- конспект
- печатный конспект, страницы 26-27
Лекция 7: Распределение хи-квадрат и F-распределение. F-тест.
Семинары
Семинар 1: Метод максимального правдоподобия.
Семинар 2: Тесты LR, LM и Wald.
Семинар 3: Энтропия и дивергенция Кульбака-Лейблера.
- Конспект
- Видео
- Заметки (стр. 16) NB: Кульбак!
Семинар 4: EM-алгоритм.
Семинар 5: EM-алгоритм и Bootstrap.
Семинар 6: Геометрия МНК.
Семинар 7: Распределения.
Семинар 8: Тестирование гипотез в линейной регрессии.
Семинар 9: Гетероскедастичность.
Домашние задания
Домашнее задание 1. Метод максимального правдоподобия.
Дедлайн: 11.10.2020, 23:59 МСК
[Условие]
Задания для подготовки
Квиз 2. Дивергенция Кульбака-Лейблера. EM-алгоритм.
[Условие]
Консультации
Консультация 25.10.2020.
Отчётность по курсу и критерии оценки
Домашние задания
Домашние задания загружаются в личный репозиторий в GitHub Classroom.
Правила оформления решений находятся на первой странице каждого домашнего задания.
Контрольная работа
Контрольная работа состоится онлайн 7-го ноября с 18:00 до 21:00. В контрольную работу войдут задачи по темам лекций и семинаров.
[Задание]
Экзамен
Итоговая оценка за курс
Итоговая оценка за курс рассчитывается по следующей формуле: Итог = 0.3 × ДЗ + 0.3 × КР + 0.2 × К + 0.2 × Э,
где
ДЗ — усреднённая оценка за все домашние задания,
КР — оценка за контрольную работу,
Э — оценка за экзамен,
К — усреднённая оценка за все квизы на семинарах.
Округление арифметическое, округляется только итоговая оценка.