Машинное обучение МатФак 23/24 — различия между версиями
Материал из Wiki - Факультет компьютерных наук
Ekononova (обсуждение | вклад) (Новая страница: «пуньк») |
|||
(не показано 6 промежуточных версии этого же участника) | |||
Строка 1: | Строка 1: | ||
− | + | == 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, не был установлен факт плагиата ни одной работы | ||
+ | |||
+ | '''Лектор:''' Нарцев Андрей Дмитриевич | ||
+ | |||
+ | '''Семинаристы:''' Коган Александра Сергеевна (группа 1), Рыжиков Артём Сергеевич (группа 2) | ||
+ | |||
+ | Лекции проходят '''онлайн по вторникам на шестой паре''' в [zoom]. | ||
+ | |||
+ | === Полезные ссылки === | ||
+ | |||
+ | [https://github.com/andrewnarts/hse-ml/tree/main/math-faculty-intro-ml/2024 Репозиторий с материалами на GitHub] | ||
+ | |||
+ | [https://disk.yandex.ru/d/T3NmhrM6X_6mfg Записи лекций] | ||
+ | |||
+ | [https://t.me/+TglJAAxY7cNhNGYy 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. | ||
+ | |||
+ | == Контрольная работа == | ||
+ | |||
+ | |||
+ | == Экзамен == |
Текущая версия на 12:33, 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, не был установлен факт плагиата ни одной работы
Лектор: Нарцев Андрей Дмитриевич
Семинаристы: Коган Александра Сергеевна (группа 1), Рыжиков Артём Сергеевич (группа 2)
Лекции проходят онлайн по вторникам на шестой паре 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.