Машинное обучение МатФак 23/24 — различия между версиями
Материал из Wiki - Факультет компьютерных наук
| Строка 4: | Строка 4: | ||
* Оценка за курс считается по формуле: '''0.4 * Домашние задания + 0.1 * Проверочные работы + 0.2 * Контрольная работа + 0.3 * Экзамен | * Оценка за курс считается по формуле: '''0.4 * Домашние задания + 0.1 * Проверочные работы + 0.2 * Контрольная работа + 0.3 * Экзамен | ||
| + | |||
| + | * Автомат: Итоговая оценка равна накопленной, накопленная оценка считается по формуле: 10/7 * (0.4 * Домашние задания + 0.1 * Проверочные работы + 0.2 * Контрольная работа) Условия автомата: Накопленная оценка >= 5.5, оценка за контрольную работу >= 5.5 | ||
'''Лектор:''' Нарцев Андрей Дмитриевич | '''Лектор:''' Нарцев Андрей Дмитриевич | ||
Версия 12:31, 2 февраля 2024
О курсе
Курс читается для студентов матфака в 3-4 модулях. В курсе 16 лекций и 16 семинаров.
- Оценка за курс считается по формуле: 0.4 * Домашние задания + 0.1 * Проверочные работы + 0.2 * Контрольная работа + 0.3 * Экзамен
- Автомат: Итоговая оценка равна накопленной, накопленная оценка считается по формуле: 10/7 * (0.4 * Домашние задания + 0.1 * Проверочные работы + 0.2 * Контрольная работа) Условия автомата: Накопленная оценка >= 5.5, оценка за контрольную работу >= 5.5
Лектор: Нарцев Андрей Дмитриевич
Семинаристы: Коган Александра Сергеевна (группа 1), Рыжиков Артём Сергеевич (группа 2)
Лекции проходят онлайн по TODO в [ zoom].
Полезные ссылки
Репозиторий с материалами на GitHub
Канал в telegram для объявлений
Лекции
1. Введение в машинное обучение
2. Введение в машинное обучение. Метод k ближайших соседей
3. Метод k ближайших соседей. Постановка задачи линейной регрессии.
Семинары
1. Эксполаторный анализ
2. Введение в sklearn. Метод k ближайших соседей.
3. Линейная регрессия, sklearn.
