Машинное обучение на матфаке 2018/2019 — различия между версиями
Svdcvt (обсуждение | вклад) |
Svdcvt (обсуждение | вклад) |
||
| Строка 52: | Строка 52: | ||
|} | |} | ||
== Лекции == | == Лекции == | ||
| − | + | {| class="wikitable" | |
| + | |- | ||
| + | ! № !! Дата !! Название !! Материалы | ||
| + | |- | ||
| + | | 1 || 4 сентября || Введение || | ||
| + | |- | ||
| + | | 2 || 11 сентября || || | ||
| + | |- | ||
| + | |} | ||
== Семинары == | == Семинары == | ||
| − | + | {| class="wikitable" | |
| + | |- | ||
| + | ! № !! Дата !! Название !! Материалы | ||
| + | |- | ||
| + | | 1 || 8/10 сентября || Введение || [https://clck.ru/EJi5t Тетрадка] | ||
| + | |- | ||
| + | |} | ||
== Полезные материалы == | == Полезные материалы == | ||
Базовые учебники: | Базовые учебники: | ||
Версия 13:54, 8 сентября 2018
Содержание
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
- Регистрационная форма (заполните, чтобы получать уведомления о курсе)
- Репозиторий с материалами на GitHub
Семинары
| Группа | Преподаватель | Учебный ассистент | Чат | Расписание |
|---|---|---|---|---|
| 1 | Евгения Ческидова | Константин Ваниев | ? | понедельник, 10:30-11:50, ауд. 318 |
| 2 | Евгений Ковалев | Соня Дымченко | Ссылка | суббота, 12:00-13:20, ауд. 318 |
Распределение по группам
Пока спрос на семинары в субботу гораздо меньше, чем на семинар в понедельник. Если вы в принципе можете прийти в субботу, пожалуйста, приходите в субботу.
Система оценок
Формула оценки
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
| Подробнее |
Правила вычисления оценокОценка 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 заданийДедлайны 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). |
Лекции
| № | Дата | Название | Материалы |
|---|---|---|---|
| 1 | 4 сентября | Введение | |
| 2 | 11 сентября |
Семинары
| № | Дата | Название | Материалы |
|---|---|---|---|
| 1 | 8/10 сентября | Введение | Тетрадка |
Полезные материалы
Базовые учебники:
- Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.
- Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
Дополнительная литература:
- Ian Goodfellow and Yoshua Bengio and Aaron Courville, Deep Learning, MIT Press, 2016.
- Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
- Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
- Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
