Машинное обучение (ФЭН) - 2020 — различия между версиями
Murrcha (обсуждение | вклад) |
Murrcha (обсуждение | вклад) |
||
| Строка 6: | Строка 6: | ||
Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич | Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич | ||
| + | |||
| + | Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA | ||
=== Семинары === | === Семинары === | ||
| Строка 33: | Строка 35: | ||
'''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен''' | '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен''' | ||
| − | |||
| − | |||
== Коллоквиум == | == Коллоквиум == | ||
Версия 12:54, 15 сентября 2020
Содержание
О курсе
Преподаватели:
Лекции - Кантонистова Елена Олеговна
Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич
Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA
Семинары
| Группа | Преподаватель | Учебный ассистент | Gitlab Username | Расписание |
|---|
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- самостоятельные работы на семинарах (пятиминутки)
- домашние задания (в том числе соревнование на Kaggle)
- коллоквиум
- экзамен
Все работы оцениваются в 10 баллов. Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен
Коллоквиум
Правила
Экзамен
Лекции
Все лекции и другие материалы курса можно скачать здесь: https://github.com/Murcha1990/ML_Econom_2020-2021
Лекция 1. Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.
Лекция 2. Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.
Семинары
Все материалы курса здесь: https://github.com/Murcha1990/ML_Econom_2020-2021
Семинар 1. Матричное дифференцирование.
Полезные материалы
Книги
- Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.r, 2009.
- Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
- 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.
- Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.
