|
|
(не показаны 2 промежуточные версии 2 участников) |
Строка 1: |
Строка 1: |
− | == О курсе ==
| + | #REDIRECT [[Введение в анализ данных]] |
− | | + | |
− | Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.
| + | |
− | | + | |
− | Проводится с 2015 года.
| + | |
− | | + | |
− | '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]
| + | |
− | | + | |
− | Лекции проходят онлайн по средам в 11:10.
| + | |
− | | + | |
− | === Полезные ссылки ===
| + | |
− | | + | |
− | [https://www.hse.ru/edu/courses/416021030 Карточка курса и программа]
| + | |
− | | + | |
− | [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]
| + | |
− | | + | |
− | Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com)
| + | |
− | | + | |
− | Канал в telegram для объявлений: https://t.me/hs_iad_2021
| + | |
− | | + | |
− | Чат в telegram для флуда: https://t.me/joinchat/Vuq4Lgi98RG22fQP
| + | |
− | | + | |
− | Ссылка на курс в Anytask:
| + | |
− | | + | |
− | Таблица с оценками:
| + | |
− | | + | |
− | === Семинары ===
| + | |
− | | + | |
− | {| class="wikitable"
| + | |
− | |-
| + | |
− | ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! ДЗ
| + | |
− | |-
| + | |
− | | ИАД-1 || Илья Косарев || || || || ||
| + | |
− | |-
| + | |
− | | ИАД-2 || Чиркова Надежда || || || || ||
| + | |
− | |-
| + | |
− | | ИАД-3 || Кантонистова Елена || || || || ||
| + | |
− | |-
| + | |
− | | ИАД-4 || Филатов Артём || || || || ||
| + | |
− | |-
| + | |
− | | ИАД-5 || [https://t.me/vsomelyusik Владимир Омелюсик] || Аня Аксенова, Александр Габиташвили || [https://zoom.us/j/95997234634?pwd=SHVjUGM1a2hFTDNnZ1RmMm1xakpTQT09 Zoom] || [https://t.me/joinchat/GRjeFvGs5HBiIm38 Чат] || ||
| + | |
− | |-
| + | |
− | | ИАД-6 || Карпова Ася || || || || ||
| + | |
− | |-
| + | |
− | | ИАД-7 || Таболов Тамерлан || || || || ||
| + | |
− | |-
| + | |
− | |}
| + | |
− | | + | |
− | === 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
| + | |
− | * Контрольная где-то в середине курса
| + | |
− | * Письменный экзамен
| + | |
− | | + | |
− | Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
| + | |
− | | + | |
− | O<sub>итоговая</sub> = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)
| + | |
− | | + | |
− | ДЗ — средняя оценка за практические домашние задания
| + | |
− | | + | |
− | ПР — средняя оценка за письменные проверочные работы на семинарах
| + | |
− | | + | |
− | 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.
| + | |
− | | + | |
− | 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 ==
| + | |
− | | + | |
− | == Семинары ==
| + | |
− | | + | |
− | == Практические задания ==
| + | |
− | | + | |
− | За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. В течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки продолжает вычитаться по одному баллу (если не оговорено иное).
| + | |
− | | + | |
− | В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.
| + | |
− | | + | |
− | == Соревнования ==
| + | |
− | | + | |
− | ===Правила участия и оценивания===
| + | |
− | В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.
| + | |
− | | + | |
− | Студент, занявший в соревновании место i, получает оценку
| + | |
− | | + | |
− | 10 - 10 * (i - 1) / M,
| + | |
− | | + | |
− | где M — количество студентов, принявших участие в соревновании;
| + | |
− | | + | |
− | i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.
| + | |
− | | + | |
− | Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team):
| + | |
− | | + | |
− | «Имя Фамилия номер_группы»
| + | |
− | | + | |
− | В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.
| + | |
− | | + | |
− | == Контрольная работа ==
| + | |
− | | + | |
− | Вопросы для подготовки с прошлого года: https://docs.google.com/document/d/1yuB17EoXyVSxqRslpFTKX97Kriuxn4lgFL5z4kQF9lU/edit?usp=sharing
| + | |
− | | + | |
− | На контрольной будет 4 вопроса. Два из них — по теории, где нужно будет объяснить одну из тем, разобранных на лекциях, или ответить на вопросы на понимание. Два вопроса — это задачи, примеры приведены ниже.
| + | |
− | | + | |
− | Примеры задач:
| + | |
− | * Метрические методы, kNN [[http://nbviewer.jupyter.org/github/shestakoff/minor_da_2017/blob/master/colloc_knn.ipynb Примеры задач]]
| + | |
− | * Линейные методы [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_linear.pdf Примеры задач]]
| + | |
− | * Решающие деревья [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_trees.ipynb Примеры задач]]
| + | |
− | * Метрики качества [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_metrics.ipynb Примеры задач]]
| + | |
− | | + | |
− | == Экзамен ==
| + | |
− | | + | |
− | Вопросы: https://docs.google.com/document/d/18kMS1f7NsdGEZy62MgfTGdgSq4P-6DVcnwr1ZJPLAqE/edit?usp=sharing
| + | |
− | | + | |
− | [https://github.com/esokolov/ml-minor-hse/blob/master/exam-2017/exam_problems_example.pdf Примеры задач прошлого года] (также могут войти задачи из коллоквиума)
| + | |
− | | + | |
− | ==Полезные материалы==
| + | |
− | ===Курсы по машинному обучению и анализу данных===
| + | |
− | * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
| + | |
− | * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
| + | |
− | * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
| + | |
− | * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
| + | |
− | * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]
| + | |
− | | + | |
− | ===Статьи===
| + | |
− | * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]
| + | |
− | * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]
| + | |
− | | + | |
− | ===Книги===
| + | |
− | * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
| + | |
− | * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.
| + | |
− | * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.
| + | |
− | | + | |
− | == Страницы прошлых лет ==
| + | |
− | | + | |
− | [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/2020 учебный год]]
| + | |
− | | + | |
− | [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]
| + | |
− | | + | |
− | [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]
| + | |
− | | + | |
− | [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]
| + | |
− | | + | |
− | [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]
| + | |
− | | + | |
− | [[Category:Майнор "Интеллектуальный анализ данных"]]
| + | |