Машинное обучение 1

Содержание

1 О курсе
2 Лекции
3 Семинары
4 Практические задания
5 Теоретические домашние задания
6 Бонусы за соревнования
7 Контрольная работа
8 Экзамен
9 Полезные материалы
- 9.1 Книги
- 9.2 Курсы по машинному обучению и анализу данных
10 Страницы предыдущих лет

О курсе

Курс читается для студентов 3-го курса ПМИ ФКН ВШЭ в 1-2 модулях.

Проводится с 2016 года.

Лектор: Соколов Евгений Андреевич

Полезные ссылки

Карточка курса и программа

Репозиторий с материалами на GitHub

Видеозаписи лекций этого года

Видеозаписи лекций 18/19 года

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+<номер группы>@gmail.com (например, hse.cs.ml+171@gmail.com)

Канал в telegram для объявлений: https://t.me/+gxrF4fgHSmMwMDhi

Чат в telegram для обсуждений: https://t.me/+M-VDeipU6RwxZWZi

Ссылка на курс в Anytask: https://anytask.org/course/1142

Таблица с оценками: https://docs.google.com/spreadsheets/d/1eS4JqgeeI72mX_gaBN6C_XMItWAvJ5TP_5b6tVoROxc/edit?usp=sharing

Оставить отзыв на курс: форма <- (это прошлогодняя форма, может быть, ссылка поменялась?)

Вопросы по курсу можно задавать в телеграм лектору (esokolov@) или семинаристу. Вопросы по материалам лекций/семинаров и по заданиям лучше всего задавать на форуме.

Семинары

Группа	Преподаватель	Ссылка на чат в телеграме	Код инвайта на энитаск
БПМИ221 МОП	Морозов Никита	https://t.me/+Tebvy9_svFM4NzYy	YXGcs5A
БПМИ222 МОП	Евгений Соколов	https://t.me/+V92Tp5J-AG00ZmNi	PiXSpFL
БПМИ223 МОП	Косакин Даниил	https://t.me/+1ZaN_ECrLTNlZTYy	ztAw4bD
БПМИ224 МОП	Еленик Константин	Ссылка	zKRY4i4
БПМИ225 РС	Кириллов Дмитрий	https://t.me/+oKFSVLH-ymU5NWVi	CTJkd3J
БПМИ226 РС	Семерова Елена	https://t.me/+Lt1FGPp1vExhMDNi	kPkwXk3
БПМИ227 ТИ и БПМИ228 АПР	Никитин Илья	https://t.me/+tRbZ0HffyLtkNjI6	ThpWF4W
БПМИ229 АДИС	Ульянкин Филипп	https://t.me/+CemuxhVSu0RkN2Ni	tOzduhC
БПМИ2210	Марк Блуменау	https://t.me/+KfKFDcMGTE43Y2Zi	5i0zPiV
БЭАД221 и БЭАД222	Коган Александра	https://t.me/+fpEzQPiecjQ2MDJi	ZUlrodJ
КНАД	Диана	https://t.me/+p7W7oYk0zl9iMmEy	BslQymU
ФЭН	Якуба Прохор	https://t.me/+WRlNS0Hk5ltlNWZi	r21CfKc
ВСН	Томащук Корней	https://t.me/+otp_wrkMyQIxMDU6	Pp6NVC4

Ассистенты

Группа	Ассистент
БПМИ221 МОП	Сенин Тимофей Павлович Дробышевский Илья Александрович
БПМИ222 МОП	Сорокин Дмитрий Алексеевич Скрибченко Арсений Владиславович
БПМИ223 МОП	Саберов Динар Ренатович Панфилов Борис Сергеевич
БПМИ224 МОП	Захарченко Максим Андреевич Бугаев Егор Петрович
БПМИ225 РС	Максимова Софья Антоновна Сокуров Рустам Астемирович
БПМИ226 РС	Маркович Анна Александровна Уткин Андрей Сергеевич
БПМИ227 ТИ и БПМИ228 АПР	Турчина Ольга Николаевна Шинкарев Елисей Сергеевич
БПМИ229 АДИС	Замышевская Арина Александровна Петрович Даниил Арсеньевич
БПМИ2210 ПР	Качанов Андрей Владимирович Иванов Даниил Константинович
БЭАД221	Березин Даниил Сергеевич Мартишевич Владислав
БЭАД222	Пономарчук Анна Сергеевна Шишлянников Павел Александрович
ФЭН	Янковская Анна Михайловна Парамонов Всеволод Антонович Курченко Михаил Алексеевич Яценко Антон Игоревич
ВСН	Кривда Матвей Александрович Розаева Мария Михайловна
КНАД	Веселов Илья Николаевич Рябков Игорь Дмитриевич
КНАД	Ларин Иван Юсупов Вячеслав Александрович

Правила выставления оценок

В курсе предусмотрено несколько форм контроля знания:

Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров
Практические домашние работы на Python
Письменная контрольная работа
Письменный экзамен

Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

Итог = Округление(0.15 * ПР + 0.4 * ДЗ + 0.15 * КР + 0.3 * Э)

ПР — средняя оценка за самостоятельные работы на семинарах

ДЗ — средняя оценка за практические домашние работы на Python

КР — оценка за контрольную работу

Э — оценка за экзамен

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.

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.

Использовать генеративные модели (ChatGPT, GitHub Copilot и прочие) можно. Но если вы их применяете, то обязательно нужно сделать следующее:

1. Указывать, какие части ДЗ выполнены с использованием генеративных моделей.

2. Добавить в конец вашего решения небольшой раздел с рефлексией, где вы описываете, как подбирали промпты, какие заметили преимущества и недостатки генеративных моделей при выполнении данного ДЗ.

Также мы в любом случае оставляем за собой право пригласить студента для защиты своего ДЗ, если заподозрим плагиат.

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

Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!

Семинары

Практические задания

Задание 1. Pandas/Polars и распределение студентов ПМИ по элективам.

Мягкий дедлайн: 23:59 06.10.2024

Жесткий дедлайн: 23:59 10.10.2024

Делается один из ноутбуков на выбор:

Контест

Задание 2. Sklearn, EDA

Мягкий дедлайн: 23:59 мск 27.10.2024

Жёсткий дедлайн: 23:59 мск 31.10.2024

Ссылка на ноутбук

Задание 3. Градиентные спуски

Мягкий дедлайн: 13 ноября 2024 года, 23:59 МСК (UTC+3)

Жесткий дедлайн: 15 ноября 2024 года, 23:59 МСК (UTC+3) (но можно сдать 16/17 ноября с обязательным штрафом -3/-4 балла)

Ссылка на ноутбук Ссылка на остальные материалы

Контест

Задание 4. Логистическая регрессия

Мягкий дедлайн: 28 ноября 2024 года, 23:59 МСК (UTC+3)

Жесткий дедлайн: 2 декабря 2024 года, 23:59 МСК (UTC+3)

Ссылка на ноутбук

Задание 5. Решающие деревья

Мягкий дедлайн: 11 декабря 2024 года, 23:59 МСК (UTC+3)

Жесткий дедлайн: 13 декабря 2024 года, 23:59 МСК (UTC+3)

Ссылка на ноутбук

Ссылка на шаблон для реализации дерева

Контест

Задание 6. Градиентный бустинг

Мягкий дедлайн: 22 декабря 2024 года, 23:59 МСК (UTC+3)

Жесткий дедлайн: 22 декабря 2024 года, 23:59 МСК (UTC+3)

Ссылка на ноутбук

Ссылка на шаблон для реализации бустинга

Теоретические домашние задания

Теоретическое ДЗ 1. Линейные модели. [Задания]

Теоретическое ДЗ 2. Матрично-векторное дифференцирование. [Задания]

Теоретическое ДЗ 3. Классификация. [Задания]

Бонусы за соревнования

Контрольная работа

Экзамен

Полезные материалы

Книги

Учебник по машинному обучению от ШАД
Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 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.