Машинное обучение 1 — различия между версиями
Esokolov (обсуждение | вклад) |
Esokolov (обсуждение | вклад) (→О курсе) |
||
Строка 9: | Строка 9: | ||
[https://www.hse.ru/ba/ami/courses/184763700.html Карточка курса и программа] | [https://www.hse.ru/ba/ami/courses/184763700.html Карточка курса и программа] | ||
− | Почта для сдачи домашних заданий: hse.cs.ml@gmail.com | + | Почта для сдачи домашних заданий: [mailto:hse.cs.ml@gmail.com hse.cs.ml@gmail.com] |
=== Семинары === | === Семинары === |
Версия 18:10, 4 сентября 2016
Содержание
О курсе
Курс читается для студентов 3-го курса ПМИ в 1-2 модулях.
Лектор: Соколов Евгений Андреевич
Лекции проходят по вторникам, 10:30 - 11:50, ауд. 317.
Почта для сдачи домашних заданий: hse.cs.ml@gmail.com
Семинары
Группа | Преподаватель | Учебный ассистент | Страница |
---|---|---|---|
141 (МОП) | Зиннурова Эльвира Альбертовна | Козловская Наталия | |
142 (МОП) | Неклюдов Кирилл Олегович | Егоров Евгений | |
143 (АПР) | Яшков Даниил Дмитриевич | Потапенко Анна | |
144 (АДИС) | Чиркова Надежда Александровна | Сафин Александр | |
145 (РС) | Умнов Алексей Витальевич | Грачев Артем |
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий
- Практические домашние работы на Python
- Соревнования по анализу данных
- Устный коллоквиум в конце 1-го модуля
- Устный экзамен
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
Oитоговая = 0.7 * Oнакопленная + 0.3 * Оэкз
Оценка за работу в семестре вычисляется по формуле
Oнакопленная = 0.2 * Oсамостоятельные + 0.5 * Одз + 0.3 * Околлоквиум
Оценка за самостоятельную работу вычисляется как среднее по всем самостоятельным, оценка за домашнюю работу — как среднее по всем практическим заданиям и соревнованиям.
Также за каждое практическое задание и соревнование можно получить дополнительные баллы, которые влияют на выставление оценки за курс автоматом.
Лекции
Лекция 1 (6 сентября). Введение в машинное обучение. Основные термины, постановки задач и примеры применения.
Семинары
Семинар 1. Библиотеки для анализа данных: numpy, pandas, matplotlib.
Домашние задания
Соревнования
Полезные материалы
Книги
- 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.
- 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.