ММО Политология 201810 — различия между версиями
(→Семинары) |
(→Machine learning) |
||
Строка 70: | Строка 70: | ||
== Полезные Ссылки == | == Полезные Ссылки == | ||
=== Machine learning === | === Machine learning === | ||
+ | * [https://habr.com/company/ods/blog/322626/ Открытый курс по МО] | ||
+ | * Видео курс по анализу данных от CS Center [https://www.youtube.com/playlist?list=PLlb7e2G7aSpRb95_Wi7lZ-zA6fOjV3_l7 часть 1] и [https://www.youtube.com/playlist?list=PLlb7e2G7aSpT1ntsozWmWJ4kGUsUs141Y часть 2] | ||
* [https://github.com/esokolov/ml-course-hse Курс от Евгения Соколова] | * [https://github.com/esokolov/ml-course-hse Курс от Евгения Соколова] | ||
* [http://www.machinelearning.ru/wiki/index.php?title=Заглавная_страница machinelearning.ru] | * [http://www.machinelearning.ru/wiki/index.php?title=Заглавная_страница machinelearning.ru] |
Версия 12:50, 16 ноября 2018
Преподаватель - Шестаков Андрей
Форма обратной связи здесь
Оценки
Course repo
Telegram Group
Содержание
Описание курса
Целью данного курса является изучение
- Основных идеи и принципов машинного обучения с упором на их практическое применение
- Методов сбора и анализа сложный структур данных
Предполагается, что слушатели прошли вводный курс по языку Python и имеют базовые знания по высшей математике (линейная алгебра, мат. анализ)
Курс оценивается за счет
- Тестов на занятиях
- Практических и теоретических домашних заданий
- Коллоквиума в конце 2го модуля
- Проектной работы
- Экзамена
Материалы лекций
Лекция 1. Введение
Slides
Лекция 2. Метрические методы и метрики качества классификации
Slides
Семинары
Семинар 1. Введение (повторение)
Частично проработанный ноутбук
Семинар 2. Метрические методы
Частично проработанный ноутбук
Курсовой проект
В рамках курса студенты должны применить полученные знания для решения прикладной задачи. Размеры проектных групп 1-3 человека.
Отчет по проекту должен состоять из следующих частей:
- Мотивация и цель проекта
- Формальная постановка задачи
- Выгрузка и описание исходных данных
- Описание экспериментов и их результаты
Защита проекта будет проходить в виде презентации
Плагиат
Карается жестоко и на месте
Дедлайны
Дедлайны по всем заданиям являются строгими (то есть после дедлайна работы приниматься не будут).
Сроки сдачи могут быть сдвинуты в индивидуальном порядке в случае существования уважительных причин.
Формат сдачи домашних заданий
Практические ДЗ должны быть выполнены в Jupyter Notebook на языке Python 3. Файл должен успешно выполняться (кроме случаев нестыковки модулей) и содержать только релевантную информацию.
Крайне желательно следовать правилам PEP8
Полезные Ссылки
Machine learning
- Открытый курс по МО
- Видео курс по анализу данных от CS Center часть 1 и часть 2
- Курс от Евгения Соколова
- machinelearning.ru
- Видео лекции Воронцова К.Ю.
- Elements of Statistical Learning (Trevor Hastie, Robert Tibshirani, Jerome Friedman)
Python
- Основные библиотеки и документация: NumPy, Pandas, SciKit-Learn, Matplotlib.
- Краткое руководство: краткое руководство с примерами по Python 2
- Python from scratch: A Crash Course in Python for Scientists
- Lectures Scientific Python
- A book: Wes McKinney «Python for Data Analysis»
- Коллекция интересных IPython ноутбуков