Основные методы анализа данных (специализация АДИС) — различия между версиями
(Добавлена страница курса для АДИС) |
|||
| (не показаны 3 промежуточные версии этого же участника) | |||
| Строка 6: | Строка 6: | ||
Занятия проходят по пятницам, 13:40 - 15:00 и 15:10 - 16:30, ауд. 322. | Занятия проходят по пятницам, 13:40 - 15:00 и 15:10 - 16:30, ауд. 322. | ||
| − | |||
| − | |||
=== Правила выставления оценок === | === Правила выставления оценок === | ||
| Строка 13: | Строка 11: | ||
Итоговая оценка вычисляется на основе оценки за домашнюю работу и оценки за экзамен в следующих пропорциях: | Итоговая оценка вычисляется на основе оценки за домашнюю работу и оценки за экзамен в следующих пропорциях: | ||
| − | O<sub>итоговая</sub> = 0. | + | O<sub>итоговая</sub> = 0.4 * O<sub>д/з</sub> + 0.6 * О<sub>экз</sub> |
| + | |||
| + | == Список Лекций == | ||
| + | |||
| + | [https://drive.google.com/open?id=0BwU891EG_5fidGRMQTFoTVFYZW8 Lecture 1: Examples of data analysis, k-means clustering algorithm] | ||
| + | == Домашняя работа == | ||
=== Первое домашнее задание === | === Первое домашнее задание === | ||
Для выполнения первого домашнего задания требуется объединиться в команды по 1-2 человека и предоставить некоторый набор данных в табличном виде с готовностью устно обосновать свой выбор и перечислить признаки, наличествующие в нём. Набор данных должен удовлетворять следующим критериям: | Для выполнения первого домашнего задания требуется объединиться в команды по 1-2 человека и предоставить некоторый набор данных в табличном виде с готовностью устно обосновать свой выбор и перечислить признаки, наличествующие в нём. Набор данных должен удовлетворять следующим критериям: | ||
| Строка 25: | Строка 28: | ||
Защита домашнего задания пройдёт на занятии '''15 сентября'''. | Защита домашнего задания пройдёт на занятии '''15 сентября'''. | ||
| − | + | == Обратная связь == | |
Вопросы по курсу можно задавать по почте: [mailto:bmirkin@hse.ru bmirkin@hse.ru]. Также с этого адреса будут приходить презентации с лекций и дополнительные материалы на групповой ящик. | Вопросы по курсу можно задавать по почте: [mailto:bmirkin@hse.ru bmirkin@hse.ru]. Также с этого адреса будут приходить презентации с лекций и дополнительные материалы на групповой ящик. | ||
| − | + | == Список литературы по курсу == | |
| − | * [http://opac.hse.ru/absopac/index.php?url=/notices/index/283033/default Введение в анализ данных: учебник и практикум для вузов / Б. Г. Миркин. – М.: Юрайт, 2015] | + | * [http://opac.hse.ru/absopac/index.php?url=/notices/index/283033/default Введение в анализ данных: учебник и практикум для вузов / Б. Г. Миркин. – М.: Юрайт, 2015][https://drive.google.com/open?id=0BwU891EG_5fia25aM3c1cXhCbVU Google Disk (Draft)] |
| − | * [http://opac.hse.ru/absopac/index.php?url=/notices/index/218662/default Core concepts in data analysis: summarization, correlation and visualization / B. Mirkin. – London, Springer, 2011. - ISBN 978-0-85729-286-5.] | + | * [http://opac.hse.ru/absopac/index.php?url=/notices/index/218662/default Core concepts in data analysis: summarization, correlation and visualization / B. Mirkin. – London, Springer, 2011. - ISBN 978-0-85729-286-5.][https://drive.google.com/open?id=0BwU891EG_5fiNndkUTNKcGlHSVU Google Disk] |
Текущая версия на 12:53, 3 сентября 2017
Содержание
О курсе
Курс читается для студентов 3-го курса ПМИ ФКН ВШЭ специализации "Анализ Данных и Интеллектуальные Системы" в 1-2 модулях 2017-2018 учебного года.
Лектор: Миркин Борис Григорьевич
Занятия проходят по пятницам, 13:40 - 15:00 и 15:10 - 16:30, ауд. 322.
Правила выставления оценок
Итоговая оценка вычисляется на основе оценки за домашнюю работу и оценки за экзамен в следующих пропорциях:
Oитоговая = 0.4 * Oд/з + 0.6 * Оэкз
Список Лекций
Lecture 1: Examples of data analysis, k-means clustering algorithm
Домашняя работа
Первое домашнее задание
Для выполнения первого домашнего задания требуется объединиться в команды по 1-2 человека и предоставить некоторый набор данных в табличном виде с готовностью устно обосновать свой выбор и перечислить признаки, наличествующие в нём. Набор данных должен удовлетворять следующим критериям:
- Не менее 70 элементов
- Не менее 7 рассматриваемых признаков
- Отсутствуют пропуски
- Не является набором из репозитория Irvine ML
Защита домашнего задания пройдёт на занятии 15 сентября.
Обратная связь
Вопросы по курсу можно задавать по почте: bmirkin@hse.ru. Также с этого адреса будут приходить презентации с лекций и дополнительные материалы на групповой ящик.
