|
|
| (не показано 5 промежуточных версии 2 участников) |
| Строка 1: |
Строка 1: |
| | == О курсе == | | == О курсе == |
| | | | |
| − | Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях. | + | Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3-4 модулях. |
| | | | |
| − | '''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич | + | '''Лектор:''' Деркач Денис Александрович |
| | | | |
| − | Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205. | + | Лекции проходят по понедельникам в 16:20 (онлайн). |
| | + | |
| | + | '''Семинарист:''' Белавин Владислав Сергеевич |
| | + | |
| | + | Семинары проходят по понедельникам в 18:10 (онлайн). |
| | + | |
| | + | '''Ассистент:''' Петров Андрей Иванович |
| | | | |
| | === Полезные ссылки === | | === Полезные ссылки === |
| | | | |
| − | Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19] | + | Телеграм-чат курса: [https://t.me/joinchat/G-gl0yuxeVnZjgl5 инвайт] |
| | | | |
| − | Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018] | + | Гитхаб курса: [https://gitlab.com/lambda-hse/hse-stats-course-2021 hse-stat-course-2021] |
| | | | |
| − | Anytask курса: [https://anytask.org/course/381 anytask] | + | Anytask курса: TBD |
| | | | |
| − | === Семинары ===
| |
| − |
| |
| − | {| class="wikitable"
| |
| − | |-
| |
| − | ! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! инвайт AnyTask
| |
| − | |-
| |
| − | | 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || nnxckG8
| |
| − | |-
| |
| − | | 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || 1jiNCvR
| |
| − | |}
| |
| | | | |
| | ===Отчётность по курсу и критерии оценки=== | | ===Отчётность по курсу и критерии оценки=== |
| | | | |
| − | ==== Домашние задания ====
| + | В рамках курса будет выдано 4 домашние работы содержащая теоретические и практические задачи по материалам прошедших занятий. |
| − | | + | |
| − | В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий. | + | |
| | | | |
| | * На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов. | | * На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов. |
| Строка 36: |
Строка 30: |
| | * Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла. | | * Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла. |
| | | | |
| − | ====Тесты====
| |
| − |
| |
| − | В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.
| |
| | | | |
| | ====Коллоквиум==== | | ====Коллоквиум==== |
| | | | |
| | За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5. | | За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5. |
| − | Проводится в форме письменной контрольной. | + | Проводится в форме ответа на вопросы. |
| − | | + | |
| − | Дата проведения письменного коллоквиума -- '''10 ноября, 13:40-15:00, аудитория 205.'''
| + | |
| − | | + | |
| − | [https://github.com/artonson/hse-stat-course-2018/blob/master/testings/colloquium.pdf Программа коллоквиума [PDF, 460 КБайт<nowiki>]</nowiki>]
| + | |
| | | | |
| | ====Экзамен==== | | ====Экзамен==== |
| | | | |
| − | Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.
| + | За экзамен ставится оценка от 0 до 10 баллов с шагом в 0.5. |
| | + | Проводится в форме ответа на вопросы. |
| | | | |
| | ====Итоговая оценка за курс==== | | ====Итоговая оценка за курс==== |
| | | | |
| − | Итоговая оценка за курс расчитывается по следующей формуле: | + | Итоговая оценка за курс рассчитывается по следующей формуле: |
| | | | |
| − | O<sub>итог</sub> = 0.8 * O<sub>накопл</sub> + 0.2 * О<sub>экз</sub> | + | O<sub>итог</sub> = 4x0.2 * O<sub>ДЗ</sub> + 0.1 * О<sub>колок</sub> + 0.1 * О<sub>экз</sub> |
| − | | + | |
| − | O<sub>накопл</sub> = 0.75 * O<sub>дз</sub> + 0.125 * О<sub>самост</sub> + 0.125 * О<sub>коллок</sub> | + | |
| − | | + | |
| − | '''Возможность получить автомат'''
| + | |
| − | | + | |
| − | Если вы:
| + | |
| − | | + | |
| − | * набрали больше или ровно 8 бонусных баллов за ДЗ;
| + | |
| − | * посетили больше или ровно 60% лекций;
| + | |
| − | | + | |
| − | То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от O<sub>накопл</sub> :)
| + | |
| | | | |
| | ==Лекции и семинары== | | ==Лекции и семинары== |
| | | | |
| − | {| class="wikitable"
| |
| − | |-
| |
| − | ! Номер !! Дата !! Название !! Материалы
| |
| − | |-
| |
| − | | 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' <br/> На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
| |
| − | |-
| |
| − | | 2 || 15 сентября || '''Ресемплинг''' <br/> Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. <br/> '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
| |
| − | |-
| |
| − | | 3 || 22 сентября || '''Параметрическое оценивание'''<br/> Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_03_parametric.pdf Слайды по оценке параметров] <br/> [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/seminar_parametric_estimation.ipynb Семинар по оценке параметров] <br/> [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/parameter_estimation_with_probfit_and_pytorch.ipynb Оценка параметров]
| |
| − | |-
| |
| − | | 4 || 29 сентября || '''Метрики для сравнения распределений''' <br/> f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_04_distance.pdf Слайды по метрикам] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/04-metrics/04_natural_gradient_unfilled.ipynb Семинар]
| |
| − | |-
| |
| − | | 5 || 6 октября || '''Проверка гипотез''' <br/> f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_05_tests_intro.pdf Слайды по тестированию гипотез] <br/> [Семинар ]
| |
| − | |}
| |
| | | | |
| | ==Домашние задания== | | ==Домашние задания== |
| | | | |
| | Все домашние задания сдавать в Anytask курса. | | Все домашние задания сдавать в Anytask курса. |
| − |
| |
| − | {| class="wikitable"
| |
| − | |-
| |
| − | ! Номер !! Сроки выполнения !! Ссылка на условие
| |
| − | |-
| |
| − | | 1 || 20 сентября - 5 октября || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-1.pdf
| |
| − | |-
| |
| − | | 2 || 10 октября - 24 октября 23:59 || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-2.pdf
| |
| − | |}
| |
| − |
| |
| − | ==Новости курса==
| |
| − |
| |
| − | '''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.
| |
| − |
| |
| − | (В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)
| |
| | | | |
| | ==Полезные материалы== | | ==Полезные материалы== |
Текущая версия на 16:59, 10 января 2021
О курсе
Курс читается для студентов 3-го курса ПМИ ФКН ВШЭ в 3-4 модулях.
Лектор: Деркач Денис Александрович
Лекции проходят по понедельникам в 16:20 (онлайн).
Семинарист: Белавин Владислав Сергеевич
Семинары проходят по понедельникам в 18:10 (онлайн).
Ассистент: Петров Андрей Иванович
Полезные ссылки
Телеграм-чат курса: инвайт
Гитхаб курса: hse-stat-course-2021
Anytask курса: TBD
Отчётность по курсу и критерии оценки
В рамках курса будет выдано 4 домашние работы содержащая теоретические и практические задачи по материалам прошедших занятий.
- На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
- Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
- Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.
Коллоквиум
За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме ответа на вопросы.
Экзамен
За экзамен ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме ответа на вопросы.
Итоговая оценка за курс
Итоговая оценка за курс рассчитывается по следующей формуле:
Oитог = 4x0.2 * OДЗ + 0.1 * Околок + 0.1 * Оэкз
Лекции и семинары
Домашние задания
Все домашние задания сдавать в Anytask курса.
Полезные материалы
1. Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.
2. Wasserman L. All of Nonparametric Statistics. Springer, 2006.
3. Bishop C.M. Pattern recognition and machine learning. Springer, 2006.
4. David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.
5. Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.
6. Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.
7. Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.
8. Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.
9. Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.
10. Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.
11. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.
12. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.
13. Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.
