Машинное обучение на матфаке 2018/2019 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(→‎Семинары)
(→‎Семинары)
Строка 14: Строка 14:
 
{| class="wikitable"
 
{| class="wikitable"
 
|-
 
|-
−
! Группа !! Преподаватель !! Учебный ассистент !! Расписание
+
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание
 
|-
 
|-
−
| 1 || Евгения Ческидова  || Константин Ваниев ||  понедельник, 10:30-11:50, ауд. 318
+
| 1 || Евгения Ческидова  || Константин Ваниев ||  ? || понедельник, 10:30-11:50, ауд. 318
 
|-
 
|-
−
| 2 || [https://t-do.ru/blacKitten13 Евгений Ковалев]  ||  [https://t-do.ru/svdcvt Соня Дымченко] || суббота, 12:00-13:20, ауд. 318
+
| 2 || [https://t-do.ru/blacKitten13 Евгений Ковалев]  ||  [https://t-do.ru/svdcvt Соня Дымченко] || ? || суббота, 12:00-13:20, ауд. 318
 
|-
 
|-
 
|}
 
|}

Версия 21:29, 4 сентября 2018

О курсе

Курс читается для студентов факультета математики ВШЭ в 1-2 модулях.

Лектор: Щуров Илья Валерьевич

Лекции проходят по вторникам с 14:00 до 15:20 в аудитории 109.

Полезные ссылки

Семинары

Группа Преподаватель Учебный ассистент Чат Расписание
1 Евгения Ческидова Константин Ваниев  ? понедельник, 10:30-11:50, ауд. 318
2 Евгений Ковалев Соня Дымченко  ? суббота, 12:00-13:20, ауд. 318

Система оценок

Правила выставления оценок

Результирующая оценка по дисциплине рассчитывается по формуле:

Oитог = 0.7 * Oнакопл + 0.3 * Oэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.2 * Oсамост + 0.4 * Oдз + 0.4 * OКР

Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, самостоятельные и коллоквиум) могут быть не целыми.

Накопленная и итоговая оценки округляются математически, оценки вида «целое + 1/2» округляются вверх.

Правила сдачи заданий

Дедлайны по всем домашним заданиям являются жёсткими, то есть после срока работы не принимаются.

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён (при этом получить дополнительные баллы за призовые места на конкурсе можно только при участии в общий срок).

Программа курса

Полезные материалы

Базовые учебники:

  1. Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.
  2. Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.

Дополнительная литература:

  1. Ian Goodfellow and Yoshua Bengio and Aaron Courville, Deep Learning, MIT Press, 2016.
  2. Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
  3. Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
  4. Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
Источник — «http://wiki.cs.hse.ru/index.php?title=Машинное_обучение_на_матфаке_2018/2019&oldid=28658»