Прикладная статистика в машинном обучении 20/21 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
м
(Боевой листок)
Строка 39: Строка 39:
 
Лекция 4: EM-алгоритм.
 
Лекция 4: EM-алгоритм.
 
* [https://vr360.hse.ru/account/broadcasts/544 видео]
 
* [https://vr360.hse.ru/account/broadcasts/544 видео]
 +
 +
Лекция 5: Bootstrap.
 +
* [https://www.youtube.com/watch?v=nofJ8TxC2ZA&feature=youtu.be видео]
  
 
=== Семинары ===  
 
=== Семинары ===  
Строка 58: Строка 61:
 
* [https://github.com/V-Marco/psmo_20_21/blob/master/seminars/sem4/PSMO_sem4.ipynb Кодспект]
 
* [https://github.com/V-Marco/psmo_20_21/blob/master/seminars/sem4/PSMO_sem4.ipynb Кодспект]
 
* [https://www.youtube.com/watch?v=Pp5895IFxpU Видео]
 
* [https://www.youtube.com/watch?v=Pp5895IFxpU Видео]
 +
 +
Семинар 5: Bootstrap.
 +
* [https://github.com/V-Marco/psmo_20_21/blob/master/seminars/sem5/PSMO_sem5.ipynb Кодспект]
  
 
=== Домашние задания ===
 
=== Домашние задания ===

Версия 16:03, 6 октября 2020

О курсе

Курс читается для студентов 3-го курса в 1-2 модулях.

Лектор: Демешев Борис Борисович

Лекции проходят по пятницам (09:30 - 10:50) онлайн на вышкинской vr360.

Семинарист: Владимир Омелюсик

Семинары проходят по вторникам в 13:00 - 14:20 в ауд. G115 и в 14:40 - 16:00 в D504

Учебные ассистенты: Камилла Бахтиева (181), Наталия Бондаренко (182)

Полезные ссылки

Телеграм-чат курса

GitHub курса

Таблица с баллами

Боевой листок

Лекции

Лекция 1: Метод максимального правдоподобия: точечные и интервальные оценки.

Лекция 2: Тест отношения правдоподобия и тест Вальда.

Лекция 3: Тест множителей Лагранжа и энтропия.

Лекция 4: EM-алгоритм.

Лекция 5: Bootstrap.

Семинары

Семинар 1: Метод максимального правдоподобия.

Семинар 2: Тесты LR, LM и Wald.

Семинар 3: Энтропия и дивергенция Кульбака-Лейблера.

Семинар 4: EM-алгоритм.

Семинар 5: Bootstrap.

Домашние задания

Домашнее задание 1. Метод максимального правдоподобия.

Дедлайн: 11.10.2020, 23:59 МСК

[Условие]

Отчётность по курсу и критерии оценки

Домашние задания

Домашние задания загружаются в личный репозиторий в GitHub Classroom.

Правила оформления решений находятся на первой странице каждого домашнего задания.

Контрольная работа

Экзамен

Итоговая оценка за курс

Итоговая оценка за курс рассчитывается по следующей формуле: Итог = 0.3 × ДЗ + 0.3 × КР + 0.2 × К + 0.2 × Э, где
ДЗ — усреднённая оценка за все домашние задания,
КР — оценка за контрольную работу,
Э — оценка за экзамен,
К — усреднённая оценка за все квизы на семинарах.
Округление арифметическое, округляется только итоговая оценка.

Полезные материалы