Машинное обучение 1 — различия между версиями
Esokolov (обсуждение | вклад) |
Esokolov (обсуждение | вклад) |
||
Строка 26: | Строка 26: | ||
|- | |- | ||
|} | |} | ||
+ | |||
+ | === Правила выставления оценок === | ||
+ | |||
+ | В курсе предусмотрено несколько форм контроля знания: | ||
+ | * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий | ||
+ | * Практические домашние работы на Python | ||
+ | * Соревнования по анализу данных | ||
+ | * Устный коллоквиум в конце 1-го модуля | ||
+ | * Устный экзамен | ||
+ | |||
+ | Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен: | ||
+ | |||
+ | O<sub>итоговая</sub> = 0.7 * O<sub>накопленная</sub> + 0.3 * О<sub>экз</sub> | ||
+ | |||
+ | Оценка за работу в семестре вычисляется по формуле | ||
+ | |||
+ | O<sub>накопленная</sub> = 0.2 * O<sub>самостоятельные</sub> + 0.5 * О<sub>дз</sub> + 0.3 * О<sub>коллоквиум</sub> | ||
+ | |||
+ | Оценка за самостоятельную работу вычисляется как среднее по всем самостоятельным, оценка за домашнюю работу — как среднее по всем практическим заданиям и соревнованиям. | ||
+ | |||
+ | Также за каждое практическое задание и соревнование можно получить дополнительные баллы, которые влияют на выставление оценки за курс автоматом. | ||
== Лекции == | == Лекции == |
Версия 18:05, 4 сентября 2016
Содержание
О курсе
Курс читается для студентов 3-го курса ПМИ в 1-2 модулях.
Лектор: Соколов Евгений Андреевич
Лекции проходят по вторникам, 10:30 - 11:50, ауд. 317.
Семинары
Группа | Преподаватель | Учебный ассистент | Страница |
---|---|---|---|
141 (МОП) | Зиннурова Эльвира Альбертовна | Козловская Наталия | |
142 (МОП) | Неклюдов Кирилл Олегович | Егоров Евгений | |
143 (АПР) | Яшков Даниил Дмитриевич | Потапенко Анна | |
144 (АДИС) | Чиркова Надежда Александровна | Сафин Александр | |
145 (РС) | Умнов Алексей Витальевич | Грачев Артем |
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий
- Практические домашние работы на Python
- Соревнования по анализу данных
- Устный коллоквиум в конце 1-го модуля
- Устный экзамен
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
Oитоговая = 0.7 * Oнакопленная + 0.3 * Оэкз
Оценка за работу в семестре вычисляется по формуле
Oнакопленная = 0.2 * Oсамостоятельные + 0.5 * Одз + 0.3 * Околлоквиум
Оценка за самостоятельную работу вычисляется как среднее по всем самостоятельным, оценка за домашнюю работу — как среднее по всем практическим заданиям и соревнованиям.
Также за каждое практическое задание и соревнование можно получить дополнительные баллы, которые влияют на выставление оценки за курс автоматом.
Лекции
Лекция 1 (6 сентября). Введение в машинное обучение. Основные термины, постановки задач и примеры применения.
Семинары
Семинар 1. Библиотеки для анализа данных: numpy, pandas, matplotlib.
Домашние задания
Соревнования
Полезные материалы
Книги
- 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.