ММО Политология 201810 — различия между версиями

Версия 22:48, 14 ноября 2018

Преподаватель - Шестаков Андрей
Форма обратной связи здесь
Оценки
Course repo
Telegram Group

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)

Программа курса

Курс оценивается за счет

1. Тестов на занятиях
2. Практических и теоретических домашних заданий
3. Коллоквиума в конце 2го модуля
4. Проектной работы
5. Экзамена

Материалы лекций

Лекция 1. Введение
Slides

Лекция 2. Метрические методы и метрики качества классификации
Slides

Семинары

Семинар 1. Введение (повторение)
Частично проработанный ноутбук

• Effective Pandas
• Matplotlib Cheatsheet
• Pandas Cheatsheet
• NumPy Cheatsheet

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:

1. Мотивация и цель проекта
2. Формальная постановка задачи
3. Выгрузка и описание исходных данных
4. 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

• 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