Прикладные задачи анализа данных/2022
Содержание
О курсе
Курс читается для студентов 3-го курса майнора ИАД в 3-4 модулях.
Проводится с 2016 года.
Лекции проходят по четвергам в 11:10 по ссылке.
Полезные ссылки
Репозиторий с материалами на GitHub
Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com)
Канал в telegram для объявлений: https://t.me/hs_iad_2021
Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/+Vuq4Lgi98RG22fQP
Ссылка на курс в Anytask: https://anytask.org/course/??
Таблица с оценками: https://docs.google.com/spreadsheets/d/1ldHwaK38SdeLVJh0h-RUSRf4bgRjBPdhS9J73AASJb0/edit?usp=sharing
Семинары
Группа | Преподаватель | Учебный ассистент | Zoom-конференция | Ссылка на чат | Материалы семинаров | Инвайт в anytask |
---|---|---|---|---|---|---|
ИАД-1 | Васильковский Михаил | Добротворский Николай, Григорян Михаил | Zoom | Чат | ||
ИАД-2 | Ковалёв Алексей | Егор Масликов, Григорян Михаил | Zoom | Чат | ||
ИАД-3 | Гельван Кирилл | Егор Масликов, Анищенко Илья, Матяш Дарья | Zoom | Чат | ||
ИАД-4 | Гущин Михаил | Матяш Дарья, Пономаренко Александр, Довгополый Иоанн | Zoom | Чат | ||
ИАД-5 | Анжела Сухорева | Довгополый Иоанн, Барышников Антон, Фадеев Егор | Zoom | Чат | ||
ИАД-6 | Кантонистова Елена | Фадеев Егор, Тамогашев Кирилл | Zoom | Чат | ||
ИАД-7 | Антон Семенкин | Тамогашев Кирилл, Никифоров Михаил, Аверьянов Николай | Zoom | Чат |
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- Практические домашние работы на Python
- Контрольная где-то в середине курса
- Письменный экзамен
Итоговая оценка вычисляется по формуле:
Округление(0.5 * ДЗ + 0.2 * КР + 0.3 * Э)
ДЗ — средняя оценка за практические домашние задания
КР — оценка за контрольную работу
Э — оценка за экзамен
Итоговое округление арифметическое.
Правила сдачи заданий
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.
Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.
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 пропущенную проверочную можно написать позднее, а 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 (20.01.2022). Задачи порождения изображений. Perceptual loss. Перенос стиля. Superresolution. [Слайды] [Запись лекции]
Лекция 2 (27.01.2022). Вариационные Автокодировщики. [Слайды] [Запись лекции]
Лекция 3 (03.02.2022). Генеративно-состязательные сети. [Слайды] [Запись лекции]
Лекция 4 (10.02.2022). Нормализационные потоки. [Слайды] [Запись лекции]
Лекция 5 (10.02.2022). Глубинное обучение для обработки звука. [Слайды] [Запись лекции]
Лекция 6 (10.03.2022). Анализ временных рядов. [Конспект] [Запись лекции]
Семинары
Семинар 1 (27.01.2022). Задачи порождения изображений. Perceptual loss. Перенос стиля. Superresolution. [Тетрадка] [Colab]
Семинар 2 (03.02.2022). Автокодировщики. [Тетрадка] [Colab]
Семинар 3 (10.02.2022). Генеративно-состязательные сети. [Тетрадка] [Colab]
Практические задания
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.
Задание 1. Генеративные модели
Вам предстоит применить генеративно-состязательные сети и вариационный автокодировщик для быстрой симуляции параметров изображений системы двух черенковских телескопов MAGIC (Major Atmospheric Gamma Imaging Cherenkov).
Мягкий дедлайн: 03 марта 2022 года 23:59
Дедлайн: 06 марта 2022 года 23:59
Ссылка: https://github.com/hse-ds/iad-applied-ds/blob/master/2022/hw/hw1