Машинное обучение в экономике магистратура 2025-2026 — различия между версиями
Материал из Wiki - Факультет компьютерных наук
Potanin (обсуждение | вклад) (→Неделя 2. Метод ближайших соседей) |
Potanin (обсуждение | вклад) (→Домашнее задание) |
||
| Строка 21: | Строка 21: | ||
=== Домашнее задание 1 === | === Домашнее задание 1 === | ||
| − | '''Дедлайн''': | + | '''Дедлайн''': 7 декабря |
| − | Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу | + | Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по [https://docs.google.com/spreadsheets/d/1COFwj46dkR8txD1x_brrw6YGh1-fPLx8adbuAvSQ-b8/edit?usp=sharing ссылке]. |
=== Домашнее задание 2 === | === Домашнее задание 2 === | ||
| − | '''Дедлайн''': | + | '''Дедлайн''': 14 декабря |
| + | |||
| + | [https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%94%D0%BE%D0%BC%D0%B0%D1%88%D0%BD%D0%B5%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5__%D0%9C%D0%9E__%D0%9C%D0%90%D0%93_2025_2026.pdf Текст задания] | ||
== Экзамен == | == Экзамен == | ||
Версия 17:02, 22 ноября 2025
Содержание
Материалы для повторения
Викистранички курсов по теории вероятностей и математической статистике:
Видео про применение python в математической статистике:
Информация о курсе
Оценка = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен
Домашнее задание
Домашнее задание 1
Дедлайн: 7 декабря
Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по ссылке.
Домашнее задание 2
Дедлайн: 14 декабря
Экзамен
Дата: будет объявлена позже
Экзамены прошлых лет
Первый пример экзамена с решениями 2023-2024, бакалавриат
Второй пример экзамена с решениями, 2023-2024, бакалавриат
Экзамен 2023-2024 с решениями, бакалавриат
Экзамен 2024-2025 с решениями, магистратура
Экзамен 2024-2025 с решениями, бакалавриат
Консультации
Консультация перед экзаменом на лекции 2023-2024
Консультация о генерации данных для домашней работы 2023-2024
Неделя 0. Введение в машинное обучение
Основные материалы
Неделя 1. Байесовские сети
Основные материалы
Рекомендуемая литература
1. FOML глава 6.
2. MLPP глава 10.
Неделя 2. Метод ближайших соседей
Основные материалы
Рекомендуемая литература
1. FOML глава 5.
2. MLPP глава 16.
Неделя 3. Деревья
Основные материалы
Рекомендуемая литература
1. FOML глава 4.
Список литературы
- FOML - Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy. Низкая сложность
- HBE - Econometrics. Hansen B. Средняя сложность
- CMLE - Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis Средняя сложность
- MLPP - Machine learning a probabilistic perspective. Kevin P. Murphy. Высокая сложность
