Прикладная статистика в машинном обучении 22/23 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
м
(Боевой листок)
Строка 34: Строка 34:
 
* [https://docs.google.com/spreadsheets/d/1w-hkjL4MjyCFZ9fhexibF67pgwG_1m43jrtvvnEU-IM/edit?usp=sharing ведомость]
 
* [https://docs.google.com/spreadsheets/d/1w-hkjL4MjyCFZ9fhexibF67pgwG_1m43jrtvvnEU-IM/edit?usp=sharing ведомость]
  
== Боевой листок ==
+
== Заметочки ==
 +
 
 +
Спасибо Нине за [https://exuberant-arthropod-be8.notion.site/062ad600596f4e1ea6b4f45c67acc1ba конспекты в notion] :)
  
 
=== Лекции ===
 
=== Лекции ===
Строка 56: Строка 58:
 
[30 сентября] '''Лекция 5:''' Тесты LR, LM, W.
 
[30 сентября] '''Лекция 5:''' Тесты LR, LM, W.
 
* [https://zoom.us/rec/share/HIJy9gec3eqwliX5Fwo_RkktERXYdA0gXjwd2ZUZbQ4aSXgH1dn1_GYncHwtH_tV.QdmgGBF3GpFK9_ZH?startTime=1664518968000 Видео] пароль:w^+a$%R8
 
* [https://zoom.us/rec/share/HIJy9gec3eqwliX5Fwo_RkktERXYdA0gXjwd2ZUZbQ4aSXgH1dn1_GYncHwtH_tV.QdmgGBF3GpFK9_ZH?startTime=1664518968000 Видео] пароль:w^+a$%R8
 +
* [https://exuberant-arthropod-be8.notion.site/5-30-09-b6853ef74328441584416d47ca7c40f8 конспект 5 в notion]
 
* [https://disk.yandex.ru/i/DNBL2M1OEBvoGQ Конспект(авторский)]
 
* [https://disk.yandex.ru/i/DNBL2M1OEBvoGQ Конспект(авторский)]
  
 
[7 октября] '''Лекция 6:''' EM-алгоритм: общее описание, подход, примеры.
 
[7 октября] '''Лекция 6:''' EM-алгоритм: общее описание, подход, примеры.
 
* [https://zoom.us/rec/share/hZEQ-vAhRpd-C8Jq_tr9iavvalWp2PKbcrE7fAUGn_5EUeoJDgafFdzWD6CpENM_.M5lADnQxRHJZV1m2?startTime=1665124431000 Видео] пароль:#y9X7nq8
 
* [https://zoom.us/rec/share/hZEQ-vAhRpd-C8Jq_tr9iavvalWp2PKbcrE7fAUGn_5EUeoJDgafFdzWD6CpENM_.M5lADnQxRHJZV1m2?startTime=1665124431000 Видео] пароль:#y9X7nq8
 +
* [https://exuberant-arthropod-be8.notion.site/6-07-10-bb9c7855d1f44862b00f2ca81be9c430 конспект 6 в notion]
 +
 
* [https://disk.yandex.ru/i/HdYwDPHeGe4_KQ Конспект(авторский)]
 
* [https://disk.yandex.ru/i/HdYwDPHeGe4_KQ Конспект(авторский)]
  
 
[14 октября] '''Лекция 7:''' EM-алгоритм: формулировка в max-max виде.
 
[14 октября] '''Лекция 7:''' EM-алгоритм: формулировка в max-max виде.
 
* [https://zoom.us/rec/share/s4qHKfI7RUm254wkeH9ccEiuyUByvsI7BBoLnG4pwyOiPsMu6_AbqCWxLhT6RnZb.dOS6so7uFsdbVsV9?startTime=1665729267000 Видео] пароль:i2us?uVN
 
* [https://zoom.us/rec/share/s4qHKfI7RUm254wkeH9ccEiuyUByvsI7BBoLnG4pwyOiPsMu6_AbqCWxLhT6RnZb.dOS6so7uFsdbVsV9?startTime=1665729267000 Видео] пароль:i2us?uVN
 +
 
* [https://disk.yandex.ru/i/OIjdpj3NZCNsCA Конспект(авторский)]
 
* [https://disk.yandex.ru/i/OIjdpj3NZCNsCA Конспект(авторский)]
 +
 +
[21 октября] '''Лекция 8:''' Поправки на множественные сравнения
 +
 +
 +
 
=== Домашние задания ===
 
=== Домашние задания ===
  

Версия 16:37, 21 октября 2022

О курсе

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

Лектор: Борис Демешев

Лекции проходят в Пт, 9:30-10:50, R305.

Семинаристы: Антон Золотарёв, Дарья Демидова, Максим Каледин

Учебные ассистенты: Рустэм Хутиев, Валерия Кондратьева, Никита Горевой,

Семинары

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

Группа Семинарист Учебный ассистент Время занятий Аудитория/ссылка Способ связи
БПМИ201 МОП Антон Золотарёв Рустэм Хутиев Сб, 9:30-10:50 D504 ТГ-чат
БПМИ202 МОП Максим Каледин Валерия Кондратьева Вт, 16:20–17:40 D504 ТГ-чат
БПМИ203 МОП Дарья Демидова Никита Горевой Вт, 16:20–17:40 D502 ТГ-чат

Полезные ссылки

Заметочки

Спасибо Нине за конспекты в notion :)

Лекции

[2 сентября] Лекция 1: Энтропия и дивергенция Кульбака-Лейблера.

[9 сентября] Лекция 2: Дифференциальная энтропия, распределения с максимальной энтропией, критерий Келли.

[16 сентября] Лекция 3: Связь функции правдоподобия и кросс-энтропии, информация Фишера.

[23 сентября] Лекция 4: Неравенство Крамера—Рао, асимптотическая нормальность ММП-оценок, тест Вальда.

[30 сентября] Лекция 5: Тесты LR, LM, W.

[7 октября] Лекция 6: EM-алгоритм: общее описание, подход, примеры.

[14 октября] Лекция 7: EM-алгоритм: формулировка в max-max виде.

[21 октября] Лекция 8: Поправки на множественные сравнения


Домашние задания

Домашние задания загружаются в личный репозиторий в GitHub Classroom.

Правила оформления решений находятся на первой странице каждого домашнего задания.

TBA

Квизы

Квизы выдаются в начале семинара строго на 10-15 минут. Каждый квиз содержит случайную задачу из задач для подготовки с изменёнными числовыми данными.

В первом столбце таблицы указан номер семинара, на котором пройдёт квиз, а во втором – дата лекции, после которой на соответствующих семинарах пройдут квизы.

На семинаре № После лекции Тема
3 3 Теория информации
6 6 Тесты LR,LM,W

Оценка за квизы формируется как среднее по всем квизам.

Контрольная работа

Контрольная работа является письменной формой контроля и никогда не приходит поздно; и рано тоже не приходит, появляется точно в то время, когда положено (c)... . В контрольную работу войдут задачи по темам ...TBA:

  • TBA
  • ...


[Задачи для подготовки прошлых лет]

[Задания контрольной прошлых лет]

Экзамен

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBA

Отчётность по курсу и критерии оценки

Итоговая оценка за курс

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * Экз.

В этой формуле

Накоп = 0.2 * Квиз + 0.4 * avg(ДЗ1,ДЗ2,ДЗ3) + 0.4 * КР,

где

  • Квиз – средняя оценка за все квизы.
  • ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
  • КР – оценка за контрольную работу.

Экз =

  • Накопленная оценка, если она меньше или равна 7.
  • 7, если Накопленная оценка больше 7.
  • Оценка за устный экзамен, если прийти и сдать его.

Округление арифметическое, округляется только итоговая оценка.

Литература

  • Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.
  • Larry Wasserman. All of Statistics: A Concise Course in Statistical Inference – хороший курс магистерского уровня, охватывающий большое количество тем из теории вероятностей и статистики. Основной фокус делается на прикладных применениях и методологии, поэтому книга содержит ровно столько математики, сколько необходимо для понимания практических аспектов. Тем не менее, качество изложенного материала на высоте: все математические утверждения доказываются и сопровождаются подробной интуицией.
  • David Williams. Weighing the Odds. A Course in Probability and Statistics – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.