Прикладные задачи анализа данных (майнор - весна 2019)

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск

О курсе

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

Лекторы:

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

Канал для оповещений в Telegram

Оставить анонимный отзыв или предложение для курса.

Семинары

Семинары проходят по четвергам (Шаболовка, 26).

Группа Преподаватель Расписание Telegram
ИАД1 Александр Панов 09:00 – 10:20, ауд. 4336 Вопросы по семинарам и ДЗ
ИАД2 Алексей Скрынник 12:10 – 13:30, ауд. 3202 Чат группы
ИАД3 Наталия Козловская 09:00 – 10:20, ауд. 3316
ИАД4 Дмитрий Светличный 09:00 – 10:20, ауд. 4335
ИАД5 Дмитрий Светличный 12:10 – 13:30, ауд. 4335

Домашние задания

ДЗ 1. Обучение с подкреплением I: имитационное обучение, срок - 20.02.2019 23:59, вопросы задавать ассистенту.

ДЗ 2. Обучение с подкреплением II: алгоритм актор-критик, срок - 24.03.2019 23:59, вопросы задавать ассистенту.

ДЗ 3. Анализ текстов: Текстовая классификация, срок - 10.06.2019 09:59, решения присылать на dz3.iad@yandex.ru

Система оценок

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

Таблица с оценками

Экзамен

Экзамен пройдет 20 июня 2019 г. в ауд. 3231 с 10 часов. Вопросы к экзамену

Программа

Неделя 1. 17.01.2019

Лекция: Введение в обучение с подкреплением. Основные понятия (слайды)

Семинар: MDP + CrossEntropy

Неделя 2. 24.01.2019

Лекция: Динамическое программирование (слайды)

Семинар: DP + ADP

Неделя 3. 31.01.2019

Лекция: Монте-Карло и временные различия (слайды)

Семинар: TD + Q-learning

Неделя 4. 07.02.2019

Занятия перенесены.

Неделя 5. 14.02.2019

Лекция: Аппроксимация функции полезности (слайды)

Семинар: DQN

Неделя 6. 21.02.2019

Лекция: Иерархическое обучение с подкреплением (слайды)

Семинар: Options

Неделя 7. 28.02.2019

Лекция: Градиент стратегии (слайды)

Семинар: Vanilla PG

Неделя 8. 07.03.2019

Лекция: Актор-критик (слайды)

Семинар: ActorCritic

Неделя 9. 14.03.2019

Лекция: Обучение и планирование (слайды)

Семинар: Dyna

Неделя 10. 21.03.2019

Лекция: Обучение в частично-наблюдаемой среде (слайды)

Семинар:


NLP: Неделя 1. 04.04.2019

Лекция: NLP: введение, базовые элементы пайплайна (слайды)

Семинар: Sem_tokenize_morph

NLP: Недели 2-3. 11.04.2019, 18.04.2019

Лекции: Векторные признаки в NLP: От мешка слов к языковым моделям (слайды)

Семинары: Sem_emb_lm

NLP: Неделя 4. 25.04.2019

Лекция: NER:Извлечение именованных сущностей (слайды)

Семинар: Sem_NER

NLP: Неделя 5. 16.05.2019

Лекция: Текстовая классификация (слайды)

Семинар: sem_classification

NLP: Неделя 6. 23.05.2019

Лекция: Машинный перевод (слайды)

Семинар: Sem_MT


Data Mining: Неделя 7. 23.05.2019

Лекция: 1. Поиск частых множества и ассоциативных правил. Меры интересности: поддержка (support) и достовреность (confidence). Алгоритм Apriori. Примеры прикладных задач. (слайды)

Семинар: requires Orange 2.7 data Orange 2.7 scheme Exercises


RecSys: Неделя 8. 23.05.2019

Лекция: Типы рекомендательных систем (РС). Коллаборативная фильтрация. Подход на основе сходства по пользователям. Подход на основе сходства по объектам рекомендации. Меры сходства для РС. Методика тестирования рекомендательных систем. (слайды)

Семинар: User-based and item-based notebook

RecSys: Неделя 9. 23.05.2019

Лекция: Матричная факторизация для рекомендательных систем. SVD и его расширения (SVD++ и timeSVD). Случай неявного отлика (ALS подход). Неотрицательная матричная факторизация. Факторизационные машины и их связь с SVD. (слайды)

Семинар: SVD & NMF examples – notebook

Рекомендуемые ресурсы и литература

Обучение с подкреплением: