Машинное обучение (ФЭН) - 2020
Содержание
[убрать]О курсе
Преподаватели:
Лекции - Кантонистова Елена Олеговна
Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич
Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA
Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu
Семинары
Лекция 22 сентября (2 пара): https://zoom.us/j/96228524411
Семинар 22 сентября (3 пара): https://zoom.us/j/92946252020
| Группа | Преподаватель | Учебный ассистент | Инвайт в anytask | Чат в telegram |
|---|---|---|---|---|
| Вторник | Елена Кантонистова | Кирилл Поликарпов | https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ | |
| Пятница | Влад Титов | Широков Артемий | https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ |
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- самостоятельные работы на семинарах (пятиминутки)
- домашние задания (в том числе соревнование на Kaggle)
- коллоквиум
- экзамен
Все работы оцениваются в 10 баллов. Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен
Коллоквиум
Правила
Экзамен
Лекции
Все лекции и другие материалы курса можно скачать здесь: https://github.com/Murcha1990/ML_Econom_2020-2021
Лекция 1. Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.
Лекция 2. Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.
Семинары
Все материалы курса здесь: https://github.com/Murcha1990/ML_Econom_2020-2021
Семинар 1. Матричное дифференцирование. Презентация.
Домашние задания
Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в anytask.
Инвайты для групп: Группа 1 (семинары проводятся во вторник) - jVh8mtz, Группа 2 (семинары проводятся в пятницу) - RSYhTsc.
Домашняя работа 1. Задачи про матричное дифференцирование из задачника.
Полезные материалы
Книги
- Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.r, 2009.
- Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
- Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
- Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
- Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
- Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.
