Майнор Интеллектуальный анализ данных/Современные методы машинного обучения

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск

О курсе

Курс читается для студентов 3-го курса майнора ИАД в 1-2 модулях.

Проводится с 2015 года.

Курс проводится в blended-формате без очных лекций.

Организационные вопросы можно задавать Соколову Евгению Андреевичу

Занятия проходят по четвергам на Покровском бульваре, 11.

Полезные ссылки

Карточка курса и программа

Репозиторий с материалами: https://github.com/hse-ds/iad-deep-learning

Домашние задание сдаются в Anytask: https://anytask.org/course/570

Канал в telegram для объявлений: https://telegram.me/hse_minor_intro_dm_2019

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/joinchat/A5rlQBSn7ROATFOWGlzRwg

Таблица с оценками

Оставить отзыв на курс: форма

Вопросы по курсу можно задавать в телеграм куратору курса (esokolov@), семинаристу, в чатах групп или в issues на гитхабе.

Семинары

Группа Преподаватель Учебный ассистент Инвайт в anytask
ИАД-1 Багиян Нерсес Карленович Мария Головина LNG31El
ИАД-2 Абакумова Ольга Витальевна Даниил Гонтарь TYoAcIh
ИАД-3 Анвардинов Шариф Ринатович Глеб Бобровских T6OD7dR
ИАД-4 Хайдуров Руслан Александрович Пётр Жижин xa50QxO
ИАД-5 Фоменко Мария Михайловна Эдуард Тульчинский PlogjcE

Правила выставления оценок

В курсе предусмотрено несколько форм контроля знания:

  • Самостоятельные работы на семинарах, проверяющие знание основных фактов с онлайн-курсов и семинаров
  • Практические домашние работы на Python
  • Контрольная где-то в середине курса
  • Письменный экзамен

Итоговая оценка вычисляется по формуле:

Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.1 * ОК + 0.2 * Э)

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за проверочные работы на семинарах

КР — оценка за контрольную работу

ОК — оценка, полученная на Coursera за курс "How to Win a Data Science Competition"

Э — оценка за экзамен

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.

Онлайн-курсы

Дисциплина сопровождается двумя онлайн-курсами: Introduction to Deep learning и How to Win a Data Science Competition.

Курс Introduction to Deep learning не нужно проходить полностью — требуется лишь смотреть видео из него. Мы будем сообщать, к какому моменту что надо посмотреть.

Курс How to Win a Data Science Competition нужно полностью сдать на Coursera. Оценка за него войдёт в итоговую оценку.

Семинары

Семинар 1 (12 сентября). Градиентный спуск. SGD, Momentum, AdaGrad, RMSProp, Adam. [Ноутбук]

Семинар 2 (19 сентября). Знакомство с TensorFlow. Первая нейронная сеть. [Ноутбук]

Семинар 3 (26 сентября). Backpropagation. Part 1. [Ноутбук]

Семинар 4 (3 октября). Backpropagation. Part 2. [Ноутбук]

Семинар 5 (10 октября). Свёрточные нейросети. Part 1 -- Intro. [Ноутбук]

Семинар 6 (17 октября). Свёрточные нейросети. Part 2 -- Model zoo. [Ноутбук]

Семинар 7 (31 октября). Свёрточные нейросети. Part 3 -- Training Tricks. [Ноутбук]

Практические задания

Домашние задания выкладываются в репозиторий курса. За каждый день просрочки мягкого дедлайна снимается один балл. После жёсткого дедлайна задания не принимаются.

Домашнее задание 1

Ноутбук

Мягкий дедлайн — 23 сентября, 03:59. Жёсткий дедлайн — 25 сентября, 23:59.

Домашнее задание 2

Ноутбук

Мягкий дедлайн — 7 октября 03:59. Жёсткий дедлайн — 10 октября, 23:59.

Домашнее задание 3

Ноутбук

Мягкий дедлайн — 3 ноября 03:59. Жёсткий дедлайн — 5 ноября, 23:59.

Контрольная работа

Экзамен