Современные методы машинного обучения (курс майнора) — различия между версиями
Aumnov (обсуждение | вклад) |
Aumnov (обсуждение | вклад) (→О курсе) |
||
Строка 1: | Строка 1: | ||
== О курсе == | == О курсе == | ||
+ | |||
+ | === Программа === | ||
+ | |||
+ | Официальная программа появится после ее утверждения. Пока можно посмотреть [https://docs.google.com/document/d/1uMhS8SMqsZLtaOib-2OVvgG1K3wnBfkhLFqBh_78N5c/edit?usp=sharing черновик]. | ||
=== Оценка за курс === | === Оценка за курс === |
Версия 22:04, 25 сентября 2016
Содержание
О курсе
Программа
Официальная программа появится после ее утверждения. Пока можно посмотреть черновик.
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