Машинное обучение 1 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
Строка 8: Строка 8:
  
 
[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
  
 
=== Семинары ===
 
=== Семинары ===

Версия 18:10, 4 сентября 2016

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.

Карточка курса и программа

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.


Курсы по машинному обучению и анализу данных