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/+wCUIOszbJ-ZhMTli
Чат в telegram для обсуждений: https://t.me/+yrD1dN--nhdlN2Ji
Ссылка на курс в Anytask: https://anytask.org/course/1207
Таблица с оценками: https://docs.google.com/spreadsheets/d/1yOeG85k80V6mo4yTHKL5VqCuuBRc8Sn0Mt7i6WyQ_aA/edit?gid=1230720065#gid=1230720065
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
Ассистенты
| Группа |
Ассистент
|
| БПМИ231 МОП |
Лазарев Никита Сергеевич
Кулик Екатерина Геннадьевна
|
| БПМИ232 МОП |
Карпова Анна Игоревна
Матвеев Денис Дмитриевич
|
| БПМИ233 МОП |
Беломестных Константин Андреевич
Митин Артем Евгеньевич
|
| БПМИ234 МОП |
Тань Сипэн
Леонтьев Константин Валерьевич
|
| БПМИ235 РС |
Сенчугов Кирилл Игоревич
Болотникова Елизавета
|
| БПМИ236 РС |
Герасимов Борис Александрович
Пекерская Даниэла Михайловна
|
| БПМИ237 АДИС |
Тихонов Даниил Уминович
Афлятунов Амир Уралович
|
| БПМИ238 ПР |
Валиуллина Рената Руслановна
Галий Иван Николаевич
|
| БПМИ239 ТИ |
Ромашкина Арина Дмитриевна
Зайцева Арина Романовна
|
| БПМИ2310 АДИС |
Прошин Антон
Афлятунов Амир Уралович
|
| БПМИ2311 АПР |
Кривулец Нина Викторовна
Гарбуз Владислав Александрович
|
| БПМИ2312 АДНЖ |
Ковалев Фёдор Дмитриевич
Турьев Максим Олегович
|
| БЭАД231 |
Зайцева Арина Романовна
Рыльцева Полина Алексеевна
|
| БЭАД232 |
Рублева Валерия Владимировна
|
| ВСН |
Щукина Анна Георгиевна
Лисицын Антон Александрович
|
| Группа ФЭН 1 |
Иванов Андрей Александрович
Гарбуз Владислав Александрович
|
| Группа ФЭН 1 |
Сюй Алиса
Рыльцева Полина Алексеевна
|
| Группа ИИ 360 |
Дубинин Даниил
Низов Андрей
|
| Группа КНАД 1 |
Шевченко Артём Эдуардович
Кирщин Иван Александрович
|
| Группа КНАД 2 |
Селифанова Мария Сергеевна
Гаунов Рустам Робертович
|
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
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.
Курсы по машинному обучению и анализу данных
Страницы предыдущих лет
2024/2025 учебный год
2023/2024 учебный год
2022/2023 учебный год
2021/2022 учебный год
2020/2021 учебный год
2019/2020 учебный год
2018/2019 учебный год
2017/2018 учебный год
2016/2017 учебный год
