Машинное обучение 22/23 Матфак — различия между версиями
Murrcha (обсуждение | вклад) |
Murrcha (обсуждение | вклад) (→Экзамен) |
||
| (не показано 19 промежуточных версии этого же участника) | |||
| Строка 1: | Строка 1: | ||
== О курсе == | == О курсе == | ||
| − | Курс читается для студентов матфака в 3-4 модулях. | + | Курс читается для студентов матфака в 3-4 модулях. В курсе 16 лекций и 16 семинаров. |
| − | ''' | + | * Оценка за курс считается по формуле: '''0.4 * Домашнее задание + 0.2 * Коллоквиум + 0.15 * Работа на семинаре + 0.25 * Экзамен |
| + | ''' | ||
| + | * Топ-20% студентов с наибольшим накопленным баллом могут получить накопленный балл (переведенный в 10-балльную шкалу домножением на 4/3) автоматом. | ||
| − | + | * В курсе планируется 6 домашних заданий и 1 бонусное (командный проект). | |
| − | |||
| − | |||
| − | [ | + | '''Лектор:''' [https://www.hse.ru/org/persons/211268525 Кантонистова Елена Олеговна] |
| − | + | '''Семинарист:''' Некрашевич Максим Викторович | |
| − | + | Лекции проходят '''онлайн по средам в 13:00''' в [https://us06web.zoom.us/j/81871234523?pwd=VThKYWNEOHB4NHlFdVR0Vi9aWHA3QT09 zoom]. | |
| − | + | === Полезные ссылки === | |
| − | + | [https://github.com/Murcha1990/ML_math_2022 Репозиторий с материалами на GitHub] | |
| − | Таблица с оценками: | + | [https://www.youtube.com/playlist?list=PLEwK9wdS5g0pq6FkCQ5P4VhHd3u1_PIKq Записи занятий] |
| + | |||
| + | [https://t.me/+8UCIRw_TnTIxMjky Канал в telegram для объявлений] | ||
| + | |||
| + | [https://docs.google.com/spreadsheets/d/1s9_Q4lcQVorvYeyDGr7bgXDH45qPikWD1RMbDYrFtPs/edit?usp=sharing Таблица с оценками] | ||
| + | |||
| + | [https://anytask.org/course/1002 Anytask для сдачи домашних заданий] | ||
== Лекции == | == Лекции == | ||
| + | 1. Введение в машинное обучение. | ||
| − | + | 2. Задача регрессии. Линейная регрессия. | |
| + | 3. Градиентный спуск и его модификации. Метрики качества регрессии. | ||
| − | == | + | == Семинары == |
| − | == | + | == Коллоквиум == |
| + | |||
| + | Коллоквиум будет проходить в сессию 3 модуля, в письменной форме. О подробностях сообщим позже. | ||
== Экзамен == | == Экзамен == | ||
| + | Экзамен пройдёт 24 мая в 13:00. Для студентов, которые по объективным и подтверждённым причинам не могут писать экзамен в основной день организуем резервное время. | ||
| + | |||
| + | 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 100 мин. | ||
| + | |||
| + | |||
| + | 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). | ||
==Полезные материалы== | ==Полезные материалы== | ||
| + | |||
| + | * [https://stepik.org/a/125501 Курс на Stepik "Практический ML" (за промокодом обращайтесь к преподавателям)] | ||
| + | * [https://hastie.su.domains/Papers/ESLII.pdf Hastie, Tibshirani "The elements of statistical learning"] | ||
Текущая версия на 14:55, 16 мая 2023
Содержание
О курсе
Курс читается для студентов матфака в 3-4 модулях. В курсе 16 лекций и 16 семинаров.
- Оценка за курс считается по формуле: 0.4 * Домашнее задание + 0.2 * Коллоквиум + 0.15 * Работа на семинаре + 0.25 * Экзамен
- Топ-20% студентов с наибольшим накопленным баллом могут получить накопленный балл (переведенный в 10-балльную шкалу домножением на 4/3) автоматом.
- В курсе планируется 6 домашних заданий и 1 бонусное (командный проект).
Лектор: Кантонистова Елена Олеговна
Семинарист: Некрашевич Максим Викторович
Лекции проходят онлайн по средам в 13:00 в zoom.
Полезные ссылки
Репозиторий с материалами на GitHub
Канал в telegram для объявлений
Anytask для сдачи домашних заданий
Лекции
1. Введение в машинное обучение.
2. Задача регрессии. Линейная регрессия.
3. Градиентный спуск и его модификации. Метрики качества регрессии.
Семинары
Коллоквиум
Коллоквиум будет проходить в сессию 3 модуля, в письменной форме. О подробностях сообщим позже.
Экзамен
Экзамен пройдёт 24 мая в 13:00. Для студентов, которые по объективным и подтверждённым причинам не могут писать экзамен в основной день организуем резервное время.
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 100 мин.
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).
