Современные методы машинного обучения (курс майнора) — различия между версиями
Aumnov (обсуждение | вклад) (→1 модуль) |
Aumnov (обсуждение | вклад) |
||
Строка 28: | Строка 28: | ||
Вопросы по материалу можно обсуждать тут: http://piazza.com/hse.ru/fall2016/da3 | Вопросы по материалу можно обсуждать тут: http://piazza.com/hse.ru/fall2016/da3 | ||
+ | |||
+ | === Семинарские группы === | ||
+ | |||
+ | [https://www.dropbox.com/s/bjqu2de2dpuajvn/%D0%A1%D0%BF%D0%B8%D1%81%D0%BA%D0%B8%20%D0%B3%D1%80%D1%83%D0%BF%D0%BF.xlsx?dl=0 Списки групп.] | ||
+ | |||
+ | Если вы хотите перевестись из одной группы в другую, обращайтесь к Ивановой Оксане Анатольевне, oksanaivanova@hse.ru. | ||
== Учебный процесс == | == Учебный процесс == | ||
Строка 60: | Строка 66: | ||
=== Страницы групп === | === Страницы групп === | ||
− | |||
− | |||
* [[Современные методы машинного обучения (курс майнора) ИАД1-5|ИАД1]] | * [[Современные методы машинного обучения (курс майнора) ИАД1-5|ИАД1]] |
Версия 21:28, 25 сентября 2016
Содержание
О курсе
Оценка за курс
Оценка за курс складывается из:
- Домашние работы (в том числе соревнования).
- Проверочные работы на семинарах.
- Аудиторная работа.
- Коллоквиум в конце 1 модуля.
- Экзамен.
Оценка вычисляется по следующим формулам:
ИТОГ = 0.7 * НАКОПЛЕННАЯ + 0.3 * ЭКЗАМЕН
НАКОПЛЕННАЯ = 0.15 * ПРОВЕРОЧНЫЕ + 0.15 * АУДИТОРНАЯ + 0.5 * ДЗ + 0.2 * КОЛЛОКВИУМ.
Также накопленная оценка может быть повышена за получение призовых мест на соревновании.
На усмотрение семинариста и лектора могут выставляться автоматы (при условии отличной накопленной оценки).
Обратная связь
По вопросам касательно лекций можете писать на alexeyum@gmail.com, добавляя строку "[Майнор ИАД]" в заголовок письма.
По этой ссылке можно оставить анонимный отзыв или предложение для курса: https://goo.gl/forms/JJEqdPLfikko3Na23
Вопросы по материалу можно обсуждать тут: http://piazza.com/hse.ru/fall2016/da3
Семинарские группы
Если вы хотите перевестись из одной группы в другую, обращайтесь к Ивановой Оксане Анатольевне, oksanaivanova@hse.ru.
Учебный процесс
Лекции
1 модуль
Лекции 1 и 2 (1 сентября). Метод опорных векторов, ядра. Слайды.
Лекция 3 (15 сентября). Методы оптимизации. Слайды.
Лекция 4 (22 сентября). Методы обработки данных (пропуски, категориальные признаки). Слайды.
(Планируемые)
Лекция 5. Бустинг.
Лекция 6. Матричные разложения.
Лекция 7. Нейронные сети.
Лекция 8. Продвинутые методы кластеризации.
2 модуль
(Будет объявлено позже)
Домашние задания
- ДЗ 1. SVM и ядра. Даты сдачи и условия смотрите на странице группы или уточняйте у своих семинаристов.
Страницы групп
Материалы
В конце слайдов каждой лекции есть небольшая подборка материалов по теме лекции. Ниже приведен набор материалов, охватывающих многие темы.
Книги
- Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
- Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006. первые главы
- James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning