Машинное обучение (ФЭН) - 2022-2023 — различия между версиями
Материал из Wiki - Факультет компьютерных наук
Murrcha (обсуждение | вклад) (→О курсе) |
Murrcha (обсуждение | вклад) (→Коллоквиум) |
||
| (не показаны 24 промежуточные версии 4 участников) | |||
| Строка 8: | Строка 8: | ||
=== Лекции и семинары === | === Лекции и семинары === | ||
| + | |||
| + | В курсе планируется 12 лекций и 10 семинаров. | ||
| + | |||
Канал курса: https://t.me/https://t.me/ml_econom_22 | Канал курса: https://t.me/https://t.me/ml_econom_22 | ||
| − | Лекции проводятся | + | Лекции проводятся по понедельникам в 11:10 (вторая пара) в аудитории R305 на Покровском бульваре. |
Все материалы лекций и семинаров находятся здесь: https://github.com/Murcha1990/ML_econom_2022-2023 | Все материалы лекций и семинаров находятся здесь: https://github.com/Murcha1990/ML_econom_2022-2023 | ||
| Строка 19: | Строка 22: | ||
| Группа || Ссылка || Преподаватель || Учебный ассистент || Инвайт в anytask || Чат в telegram | | Группа || Ссылка || Преподаватель || Учебный ассистент || Инвайт в anytask || Чат в telegram | ||
|- | |- | ||
| − | | [когда] || [где] || [ | + | | [когда] || [где] || [https://t.me/murr4a Елена Кантонистова] || [https://t.me/nihaoalena Алёна Цветкова] || pCEcAEJ || [https://t.me/+mqyl4PMgmbUxMGU6 Чат МО ФЭН1] |
|- | |- | ||
| − | | [когда] || [где] || [ | + | | [когда] || [где] || [https://t.me/anastasiyamaxx Анастасия Максимовская] || [https://t.me/krsafonov Кирилл Сафонов] || Hpjg3Da || [ссылка Чат МО ФЭН2] |
|- | |- | ||
| − | | [когда] || [где] || [ | + | | [когда] || [где] || [https://t.me/ko_iulia Юлия Конюшенко] || [https://t.me/onehspal Ксения Лапшина] || qVzCPK9 || [https://t.me/+jpIGToIsOhQyZjli Чат МО ФЭН3] |
|} | |} | ||
| Строка 51: | Строка 54: | ||
== Коллоквиум == | == Коллоквиум == | ||
| − | Коллоквиум будет проходить в сессию первого модуля | + | Коллоквиум будет проходить в сессию первого модуля [дата, время]<br /> |
| − | + | В письменной форме (на листочке). | |
Общая информация: | Общая информация: | ||
| − | * Коллоквиум рассчитан на 75 минут ('''1 час 15 мин'''), еще 5 минут у вас будет на | + | * Коллоквиум рассчитан на 75 минут ('''1 час 15 мин'''), еще 5 минут у вас будет на проверку написанного и сдачу листочков. |
* Коллоквиум оценивается в 10 баллов и '''весит 20%''' от итоговой оценки за курс. | * Коллоквиум оценивается в 10 баллов и '''весит 20%''' от итоговой оценки за курс. | ||
* Если мы заподозрим, что вы списали, то и вы, и человек, поделившийся решением, получаете 0 баллов. В случае, если вы не согласны с обвинениями в списывании, вы можете защитить работу устно: в этом случае мы спросим решение абсолютно любого задания из вашей работы, а также можем попросить решить похожее задание не из варианта коллоквиума. | * Если мы заподозрим, что вы списали, то и вы, и человек, поделившийся решением, получаете 0 баллов. В случае, если вы не согласны с обвинениями в списывании, вы можете защитить работу устно: в этом случае мы спросим решение абсолютно любого задания из вашей работы, а также можем попросить решить похожее задание не из варианта коллоквиума. | ||
| Строка 65: | Строка 68: | ||
* В задании 5 (''задание на написание кода'') старайтесь писать понятный код с интерпретируемыми обозначениями и названиями. Код пишется на листочке с комментариями. За ошибки в синтаксисе баллы '''НЕ''' снижаем. | * В задании 5 (''задание на написание кода'') старайтесь писать понятный код с интерпретируемыми обозначениями и названиями. Код пишется на листочке с комментариями. За ошибки в синтаксисе баллы '''НЕ''' снижаем. | ||
| − | Подготовительный вариант вы можете посмотреть здесь: https://docs.google.com/document/d/ | + | Подготовительный вариант вы можете посмотреть здесь: https://docs.google.com/document/d/1IFBMFJvSYgIBC8IaqBP4srpx6eEC36wIy5vr2utYQG8/edit?usp=sharing |
| − | + | Мы проведём консультацию к коллоквиуму онлайн и запишем её, запись выложим [тут]. | |
== Экзамен == | == Экзамен == | ||
| − | Экзамен пройдёт | + | Экзамен пройдёт [где, когда]. Для студентов, которые по объективным и подтверждённым причинам не могут писать экзамен в основной день, '''резервное время''' - [где, когда]. |
Экзамен будет состоять из 3-х частей: | Экзамен будет состоять из 3-х частей: | ||
| Строка 78: | Строка 81: | ||
* Части C (''работа с набором данных'') на 4 балла с заданиями индивидуального веса | * Части C (''работа с набором данных'') на 4 балла с заданиями индивидуального веса | ||
| − | Пройдет экзамен '''на платформе online.hse.ru''', на его выполнение будет дано '''80 мин'''. Пожалуйста, убедитесь, что вы подключены к курсу по этой ссылке: | + | Пройдет экзамен '''на платформе online.hse.ru''', на его выполнение будет дано '''80 мин'''. Пожалуйста, убедитесь, что вы подключены к курсу по этой ссылке: [ссылка] |
'''Шкала перевода первичных баллов''' за тест в оценку за экзамен: | '''Шкала перевода первичных баллов''' за тест в оценку за экзамен: | ||
| Строка 99: | Строка 102: | ||
== Лекции == | == Лекции == | ||
| − | Материалы лекций: https://github.com/Murcha1990/ | + | Материалы лекций: https://github.com/Murcha1990/ML_econom_2022-2023/tree/main/Лекции |
| − | + | '''Лекция 1 (5 сентября, онлайн)''' Введение в машинное обучение. | [https://github.com/Murcha1990/ML_econom_2022-2023/blob/main/Лекции/Lection_1_2022.pdf слайды] | |
| − | + | ||
| − | + | ||
| − | + | ||
| − | ''' | + | |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
== Семинары == | == Семинары == | ||
| − | Материалы семинаров: https://github.com/Murcha1990/ | + | Материалы семинаров: https://github.com/Murcha1990/ML_Econom_2022-2023/tree/main/Семинары |
| − | + | '''Семинар 0.''' Математика для машинного обучения (самостоятельное изучение) | [https://github.com/Murcha1990/ML_econom_2022-2023/tree/main/Семинары/Семинар%200 материалы] | |
| − | + | '''Семинар 1.''' Основы регрессии. Градиентный спуск. | |
| − | '''Семинар 1.''' Основы | + | |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
== Домашние задания == | == Домашние задания == | ||
| − | На курсе | + | На курсе планируется 5 домашних заданий. Формула вычисления итоговой оценки за домашние задания: среднее из 5 домашних заданий. |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/course/939 Anytask]. | |
== Полезные материалы == | == Полезные материалы == | ||
Текущая версия на 10:03, 15 октября 2022
Содержание
О курсе
Преподаватели:
Лекции - Кантонистова Елена Олеговна
Семинары - Кантонистова Елена, Максимовская Анастасия, Конюшенко Юлия
Лекции и семинары
В курсе планируется 12 лекций и 10 семинаров.
Канал курса: https://t.me/https://t.me/ml_econom_22
Лекции проводятся по понедельникам в 11:10 (вторая пара) в аудитории R305 на Покровском бульваре.
Все материалы лекций и семинаров находятся здесь: https://github.com/Murcha1990/ML_econom_2022-2023
Как связаться с преподавателями и куда сдавать домашки
| Группа | Ссылка | Преподаватель | Учебный ассистент | Инвайт в anytask | Чат в telegram |
| [когда] | [где] | Елена Кантонистова | Алёна Цветкова | pCEcAEJ | Чат МО ФЭН1 |
| [когда] | [где] | Анастасия Максимовская | Кирилл Сафонов | Hpjg3Da | [ссылка Чат МО ФЭН2] |
| [когда] | [где] | Юлия Конюшенко | Ксения Лапшина | qVzCPK9 | Чат МО ФЭН3 |
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- самостоятельные работы на семинарах (пятиминутки);
- коллоквиум в сессию первого модуля (письменный);
- домашние задания (в том числе соревнование на Kaggle);
- экзамен в сессию второго модуля (письменный).
Все работы оцениваются в 10 баллов.
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
0.35 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.25 * Экзамен
- Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов).
- 20% слушателей с наибольшим накопленным баллом получают накопленный балл автоматом.
Коллоквиум
Коллоквиум будет проходить в сессию первого модуля [дата, время]
В письменной форме (на листочке).
Общая информация:
- Коллоквиум рассчитан на 75 минут (1 час 15 мин), еще 5 минут у вас будет на проверку написанного и сдачу листочков.
- Коллоквиум оценивается в 10 баллов и весит 20% от итоговой оценки за курс.
- Если мы заподозрим, что вы списали, то и вы, и человек, поделившийся решением, получаете 0 баллов. В случае, если вы не согласны с обвинениями в списывании, вы можете защитить работу устно: в этом случае мы спросим решение абсолютно любого задания из вашей работы, а также можем попросить решить похожее задание не из варианта коллоквиума.
Описание заданий:
- В заданиях 1 и 2 (с выбором вариантов ответа) необходимо указать варианты ответов, которые считаете верными, а также кратко обосновать, почему указанные варианты ответов верные, а остальные - нет.
- В задании 3 (теоретическое без выбора ответа) необходимо дать максимально подробный и развёрнутый ответ.
- В задании 4 (задача или пример) необходимо максимально подробно изложить ваши рассуждения и привести вычисления.
- В задании 5 (задание на написание кода) старайтесь писать понятный код с интерпретируемыми обозначениями и названиями. Код пишется на листочке с комментариями. За ошибки в синтаксисе баллы НЕ снижаем.
Подготовительный вариант вы можете посмотреть здесь: https://docs.google.com/document/d/1IFBMFJvSYgIBC8IaqBP4srpx6eEC36wIy5vr2utYQG8/edit?usp=sharing
Мы проведём консультацию к коллоквиуму онлайн и запишем её, запись выложим [тут].
Экзамен
Экзамен пройдёт [где, когда]. Для студентов, которые по объективным и подтверждённым причинам не могут писать экзамен в основной день, резервное время - [где, когда].
Экзамен будет состоять из 3-х частей:
- Части A (тестовая с вариантами ответа) на 2.5 балла с 16-ю заданиями равного веса
- Части B (задачи без вариантов ответа) на 3.5 балла с 6-ю заданиями равного веса
- Части C (работа с набором данных) на 4 балла с заданиями индивидуального веса
Пройдет экзамен на платформе online.hse.ru, на его выполнение будет дано 80 мин. Пожалуйста, убедитесь, что вы подключены к курсу по этой ссылке: [ссылка]
Шкала перевода первичных баллов за тест в оценку за экзамен:
- [6; 10] -> 10 баллов
- [5.4; 6.0) - 9
- [4.8; 5.4) - 8
- [4.2; 4.8) - 7
- [3.6; 4.2) - 6
- [3; 3.6) - 5
- [2.4; 3) - 4
- [0; 2.4) - неуд.
По усмотрению преподавателей курса критерии перевода баллов могут быть смягчены после оценки общего результата по всем студентам
Обращаем ваше внимание на то, что в тесте могут быть вопросы, не изучавшиеся в рамках курса. Это компенсируется тем, что для получения максимальной оценки можно выполнить далеко не все задания (таким образом, если вы не можете решить что-то по программе настоящего курса, у вас есть возможность "отыграться" за счёт внепрограммных вопросов).
Во время написания экзамена можно пользоваться всеми материалами курса, а также средой программирования на Python (рекомендуем подготовить её перед экзаменом, чтобы не терять время).
Задания 1-4 (1.75 первичных балла суммарно) внутри части C будут целиком на pandas, для выполнения заданий 5-6 необходимо будет воспользоваться библиотекой scikit-learn.
Лекции
Материалы лекций: https://github.com/Murcha1990/ML_econom_2022-2023/tree/main/Лекции
Лекция 1 (5 сентября, онлайн) Введение в машинное обучение. | слайды
Семинары
Материалы семинаров: https://github.com/Murcha1990/ML_Econom_2022-2023/tree/main/Семинары
Семинар 0. Математика для машинного обучения (самостоятельное изучение) | материалы
Семинар 1. Основы регрессии. Градиентный спуск.
Домашние задания
На курсе планируется 5 домашних заданий. Формула вычисления итоговой оценки за домашние задания: среднее из 5 домашних заданий.
Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в Anytask.
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.
