Современные методы машинного обучения — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Семинары)
Строка 31: Строка 31:
 
{| class="wikitable"
 
{| class="wikitable"
 
|-
 
|-
! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask
+
! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чатик в телеграм
 
|-
 
|-
| ИАД-1 ||  ||  ||
+
| ИАД-1 ||  ||  || ||  
 
|-
 
|-
| ИАД-2 ||  ||  ||
+
| ИАД-2 ||  ||  || ||  
 
|-
 
|-
| ИАД-3 || || ||
+
| ИАД-3 || Руслан Хайдуров || Соня Дымченко, Анатолий Пащенко || || https://t.me/joinchat/C232lhy4wn6Pp7epNt-qYQ
 
|-
 
|-
| ИАД-4 || ||  ||
+
| ИАД-4 || ||  || ||  
 
|-
 
|-
| ИАД-5 ||  ||  ||
+
| ИАД-5 ||  ||  || ||  
 
|-
 
|-
 
|}
 
|}

Версия 17:16, 1 сентября 2020

О курсе

Курс читается для студентов 3-го курса майнора ИАД в 1-2 модулях.

Проводится с 2015 года.

Организационные вопросы можно задавать Соколову Евгению Андреевичу

Занятия проходят онлайн по четвергам на второй паре (11:10 - 12:30).

Полезные ссылки

Карточка курса и программа

Репозиторий с материалами: https://github.com/hse-ds/iad-deep-learning

Домашние задание сдаются в Anytask:

Канал в telegram для объявлений:

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/joinchat/A5rlQBSn7ROATFOWGlzRwg

[ Таблица с оценками]

Оставить отзыв на курс: [ форма]

Вопросы по курсу можно задавать в телеграм куратору курса (esokolov@), семинаристу, в чатах групп или в issues на гитхабе.

Семинары

Группа Преподаватель Учебный ассистент Инвайт в anytask Чатик в телеграм
ИАД-1
ИАД-2
ИАД-3 Руслан Хайдуров Соня Дымченко, Анатолий Пащенко https://t.me/joinchat/C232lhy4wn6Pp7epNt-qYQ
ИАД-4
ИАД-5

Правила выставления оценок

В курсе предусмотрено несколько форм контроля знания:

  • Самостоятельные работы на семинарах, проверяющие знание основных фактов с онлайн-курсов и семинаров
  • Практические домашние работы на Python
  • Контрольная где-то в середине курса
  • Письменный экзамен

Также в рамках курса студенты могут изучить онлайн-курс How to Win a Data Science Competition. За его успешное прохождение будет выставлено 10 бонусных баллов, которые можно прибавить к оценке за любое из домашних заданий или за любую проверочную работу. Чтобы получить эти баллы, курс надо сдать до 18 декабря включительно.

Итоговая оценка вычисляется по формуле:

Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за проверочные работы на семинарах

КР — оценка за контрольную работу

Э — оценка за экзамен

Правила сдачи заданий

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 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.

Онлайн-курсы

Дисциплина сопровождается двумя онлайн-курсами: Introduction to Deep learning и How to Win a Data Science Competition.

Курс Introduction to Deep learning не нужно проходить полностью — требуется лишь смотреть видео из него. Мы будем сообщать, к какому моменту что надо посмотреть.

Курс How to Win a Data Science Competition нужно полностью сдать на Coursera. Оценка за него войдёт в итоговую оценку.

Семинары

Практические задания

Домашние задания выкладываются в репозиторий курса. За каждый день просрочки мягкого дедлайна снимается один балл. После жёсткого дедлайна задания не принимаются.

Домашнее задание 1


Домашнее задание 2


Домашнее задание 3


Контрольная работа

Экзамен