Майнор Интеллектуальный анализ данных/Введение в анализ данных — различия между версиями
Esokolov (обсуждение | вклад) (→Экзамен) |
Esokolov (обсуждение | вклад) |
||
Строка 12: | Строка 12: | ||
=== Полезные ссылки === | === Полезные ссылки === | ||
− | [https://www.hse.ru/ | + | [https://www.hse.ru/ba/ami/courses/205537431.html Карточка курса и программа] |
[https://github.com/esokolov/ml-minor-hse Репозиторий с материалами на GitHub] | [https://github.com/esokolov/ml-minor-hse Репозиторий с материалами на GitHub] | ||
Строка 18: | Строка 18: | ||
Почта для сдачи домашних заданий: hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com) | Почта для сдачи домашних заданий: hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com) | ||
− | Канал в telegram для объявлений: https://telegram.me/ | + | Канал в telegram для объявлений: https://telegram.me/hse_minor_intro_dm_2018 |
− | [https://docs.google.com/spreadsheets/d/ | + | [https://docs.google.com/spreadsheets/d/1n6-_nCiIQYQQwDbqJKtDoKXNRlbEk3798nKTkOqc6YE/edit?usp=sharing Таблица с оценками] |
Оставить отзыв на курс: [http://goo.gl/forms/RwdMxnChST форма] | Оставить отзыв на курс: [http://goo.gl/forms/RwdMxnChST форма] | ||
Строка 33: | Строка 33: | ||
! Группа !! Преподаватель !! Учебный ассистент !! Страница !! Расписание | ! Группа !! Преподаватель !! Учебный ассистент !! Страница !! Расписание | ||
|- | |- | ||
− | | ИАД-1 || [https://www.hse.ru/org/persons/ | + | | ИАД-1 || [https://www.hse.ru/org/persons/ ??] || || || среда, 12:10 - 13:30, ауд. |
|- | |- | ||
− | | ИАД-2 || [https://www.hse.ru/staff/ | + | | ИАД-2 || [https://www.hse.ru/staff/?? ??] || || || среда, 12:10 - 13:30, ауд. |
|- | |- | ||
− | | ИАД-3 || [https://www.hse.ru/ | + | | ИАД-3 || [https://www.hse.ru/staff/?? ??] || || || среда, 09:00 - 10:20, ауд. |
|- | |- | ||
− | | ИАД-4 || [https://www.hse.ru/ | + | | ИАД-4 || [https://www.hse.ru/staff/?? ??] || || || среда, 12:10 - 13:30, ауд. |
|- | |- | ||
− | | ИАД-5 || [https://www.hse.ru/ | + | | ИАД-5 || [https://www.hse.ru/staff/?? ??] || || || среда, 12:10 - 13:30, ауд. |
|- | |- | ||
|} | |} | ||
Строка 50: | Строка 50: | ||
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров | * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров | ||
* Практические домашние работы на Python | * 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: | Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен: | ||
Строка 72: | Строка 72: | ||
[[Файл:how-to-download.png|thumb|right|200px|Файлы со слайдами очень легко скачать с GitHub с помощью кнопки Raw!]] | [[Файл:how-to-download.png|thumb|right|200px|Файлы со слайдами очень легко скачать с GitHub с помощью кнопки Raw!]] | ||
− | Лекция 1 ( | + | Лекция 1 (17.01.2017). Введение в машинное обучение и анализ данных. [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures-2018/lecture01-intro.pdf Слайды]] |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
== Коллоквиум == | == Коллоквиум == | ||
− | + | Вопросы прошлого года: https://docs.google.com/document/d/1jAiUeCYDPzeElDd5muzhVNQ4ylQFqs_iHPVseoSWlb4/edit?usp=sharing | |
− | + | ||
− | Вопросы: https://docs.google.com/document/d/1jAiUeCYDPzeElDd5muzhVNQ4ylQFqs_iHPVseoSWlb4/edit?usp=sharing | + | |
− | Примеры задач: | + | Примеры задач прошлого года: |
* Метрические методы, kNN [[http://nbviewer.jupyter.org/github/shestakoff/minor_da_2017/blob/master/colloc_knn.ipynb 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]] | * Линейные методы [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_linear.pdf Примеры задач]] | ||
Строка 116: | Строка 86: | ||
== Экзамен == | == Экзамен == | ||
− | Вопросы: https://docs.google.com/document/d/1IU2jEN5NU3tSuP_5YnFSS2GUDYxoLfSQ4dSy1B_a29M/edit?usp=sharing | + | Вопросы прошлого года: https://docs.google.com/document/d/1IU2jEN5NU3tSuP_5YnFSS2GUDYxoLfSQ4dSy1B_a29M/edit?usp=sharing |
− | [https://github.com/esokolov/ml-minor-hse/blob/master/exam-2017/exam_problems_example.pdf Примеры задач] (также могут войти задачи из коллоквиума) | + | [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== | ==Полезные материалы== | ||
Строка 138: | Строка 108: | ||
== Страницы прошлых лет == | == Страницы прошлых лет == | ||
+ | |||
+ | [[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 ]] | [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]] | ||
[[Category:Майнор "Интеллектуальный анализ данных"]] | [[Category:Майнор "Интеллектуальный анализ данных"]] |
Версия 11:11, 16 января 2018
Содержание
О курсе
Курс читается для студентов 2-го курса майнора ИАД в 3-4 модулях.
Проводится с 2015 года.
Лектор: Соколов Евгений Андреевич
Лекции проходят по средам, 10:30 - 11:50, ауд. 5215 (Шаболовка, 26).
Полезные ссылки
Репозиторий с материалами на GitHub
Почта для сдачи домашних заданий: hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com)
Канал в telegram для объявлений: https://telegram.me/hse_minor_intro_dm_2018
Оставить отзыв на курс: форма
Вопросы по курсу можно задавать на почту курса, а также в телеграм лектору (esokolov@) или семинаристу. Вопросы по материалам лекций лучше всего оформлять в виде Issue в github-репозитории курса.
Семинары
Группа | Преподаватель | Учебный ассистент | Страница | Расписание |
---|---|---|---|---|
ИАД-1 | ?? | среда, 12:10 - 13:30, ауд. | ||
ИАД-2 | ?? | среда, 12:10 - 13:30, ауд. | ||
ИАД-3 | ?? | среда, 09:00 - 10:20, ауд. | ||
ИАД-4 | ?? | среда, 12:10 - 13:30, ауд. | ||
ИАД-5 | ?? | среда, 12:10 - 13:30, ауд. |
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:
Oитоговая = 0.7 * Oнакопленная + 0.3 * Оэкз
Оценка за работу в семестре вычисляется по формуле
Oнакопленная = 0.2 * Oсамостоятельные + 0.6 * Одз + 0.2 * Околлоквиум
Оценка за самостоятельную работу вычисляется как среднее по всем самостоятельным, оценка за домашнюю работу — как среднее по всем практическим заданиям и соревнованиям.
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.
Лекции
Лекция 1 (17.01.2017). Введение в машинное обучение и анализ данных. [Слайды]
Коллоквиум
Вопросы прошлого года: https://docs.google.com/document/d/1jAiUeCYDPzeElDd5muzhVNQ4ylQFqs_iHPVseoSWlb4/edit?usp=sharing
Примеры задач прошлого года:
- Метрические методы, kNN [Примеры задач]
- Линейные методы [Примеры задач]
- Решающие деревья [Примеры задач]
- Метрики качества [Примеры задач]
Экзамен
Вопросы прошлого года: https://docs.google.com/document/d/1IU2jEN5NU3tSuP_5YnFSS2GUDYxoLfSQ4dSy1B_a29M/edit?usp=sharing
Примеры задач прошлого года (также могут войти задачи из коллоквиума)
Полезные материалы
Курсы по машинному обучению и анализу данных
- Курс по машинному обучению К.В. Воронцова
- Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов
- Coursera: Машинное обучение и анализ данных (специализация)
- Coursera: Введение в машинное обучение, К.В. Воронцов
- Coursera: Machine Learning, Andrew Ng
Статьи
- An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples
- 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.