Машинное обучение (сов. бак. ВШЭ-РЭШ 2025)

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск

О курсе

Курс читается для студентов 2-4 курсов совместного бакалавриата ВШЭ-РЭШ в 1-2 модулях.

Карточка курса и программа.

Репозиторий с материалами курса на GitHub.

Чат в телеграме

[ТУДУ Анонимная форма обратной связи]

Лекции

Лектор: Михаил Гущин (mhushchyn@hse.ru, @mhushchyn)

Лекции проходят по средам в 16:20 (R503).

Семинары

Группа Преподаватель Ссылка на чат Аудитория Время
МО-1 Сергей Корпачев [ссылка Чат] R611 пятница, 16:20
МО-2 Сергей Корпачев [ссылка Чат] R609 пятница, 18:10
МО-3 Александра Коган [ссылка Чат] T316 пятница, 16:20

Учебные ассистенты

Учебный ассистент
Дмитрий Денисенко
Ариадна Гоженко

Правила выставления оценок

В курсе предусмотрено несколько форм контроля знаний:

  • Практические домашние работы на Python или с теоретическими задачами (всего 6-8 домашних работ)
  • Контрольная работа в середине курса
  • Письменный экзамен

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

Oитоговая = Округление(0.6 * ДЗ + 0.2 * КР + 0.2 * Э)

ДЗ — средняя оценка за практические домашние задания

КР — оценка за контрольную работу

Э — оценка за экзамен

Округление арифметическое.

Правила выставления автомата

Условие выставления автомата: (ДЗ >=6 and КР >= 6)

В случае автомата итоговая оценка считается так:

Oитоговая = Округление((0.6 * ДЗ + 0.2 * КР) / 0.8)

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.

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. Введение в машинное обучение. KNN. [Слайды]

Лекция 2. Линейная регрессия. [Слайды]

Лекция 3. Линейная регрессия. Градиентный спуск. [Слайды]

Лекция 4. Линейная классификация. Логистическая регрессия. [Слайды]

Лекция 5. Метрики качества. [Слайды]

Лекция 6. Решающие деревья. [Слайды]

Лекция 7. Композиции алгоритмов. Случайный лес. [Слайды]

Семинары

Семинар 1. Введение в машинное обучение. KNN. [Тетрадка] [Colab]

Семинар 2. Линейная регрессия. [Тетрадка] [Colab]

Семинар 3. Линейная регрессия. Градиентный спуск. [Тетрадка] [Colab]

Семинар 4. Линейная классификация. Логистическая регрессия. [Тетрадка] [Colab]

Семинар 5. Метрики качества. [Тетрадка] [Colab]

Семинар 6. Решающие деревья. [Тетрадка] [Colab]

Семинар 7. Композиции алгоритмов. Случайный лес. [Тетрадка] [Colab]

Семинар 8. Градиентный бустинг. [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. Введение в машинное обучение

Вам предстоит решить несколько задач на применение библиотек numpy и matplotlib.

Мягкий дедлайн: 30 сентября 2025 года 23:59

Дедлайн: 04 октября 2025 года 23:59

Ссылка: https://github.com/hse-ds/ml-hse-nes/blob/main/2025/homeworks/homework_1.ipynb

Задание 2. Линейная регрессия. Градиентный спуск.

Вам предстоит решить несколько теоретических задач по производным, линейной алгебре, градиентному спуску и линейной регрессии.

Мягкий дедлайн: 18 октября 2025 года 23:59

Дедлайн: 22 октября 2025 года 23:59

Ссылка: https://github.com/hse-ds/ml-hse-nes/blob/main/2025/homeworks/homework_2.ipynb

Задание 3. Логистическая регрессия.

Вам предстоит реализовать логистическую регрессию с оптимизацией параметров методом градиентного спуска и немного поупражняться с подсчетом метрик качества классифифкации на синтетическом наборе данных.

Мягкий дедлайн: 4 ноября 2025 года 23:59

Дедлайн: 8 ноября 2025 года 23:59

Ссылка: https://github.com/hse-ds/ml-hse-nes/blob/main/2025/homeworks/homework_3.ipynb

Задание 4. Решающие деревья.

Вам предстоит освоить работу с решающими деревьями на примере задач классификации.

Мягкий дедлайн: 13 ноября 2025 года 23:59

Дедлайн: 17 ноября 2025 года 23:59

Ссылка: https://github.com/hse-ds/ml-hse-nes/blob/main/2025/homeworks/homework_4

Контрольная работа

Экзамен

Дополнительные материалы

Курсы по машинному обучению и анализу данных

Книги

Страницы прошлых лет

Страница курса 2024 года

Страница курса 2023 года

Страница курса 2022 года

Страница курса 2021 года

Страница курса 2020 года

Источник — «http://wiki.cs.hse.ru/index.php?title=Машинное_обучение_(сов._бак._ВШЭ-РЭШ_2025)&oldid=93278»