Современные методы машинного обучения (курс майнора) ИАД2-6 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
м
(Домашние Задания: ДЗ 5)
 
(не показано 25 промежуточных версии 3 участников)
Строка 2: Строка 2:
 
== Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6==
 
== Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6==
  
На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-2 и ИАД-6
+
Семинаристы: [https://www.hse.ru/staff/aparinov Паринов Андрей Андреевич], e-mail: [mailto:aparinov@gmail.com  aparinov@gmail.com] , [[Участник:ykashnitsky | Кашницкий Юрий Савельевич]], e-mail: [mailto:yury.kashnitsky@gmail.com yury.kashnitsky@gmail.com] <br/>
 +
Ассистент: Айбек Аланов, e-mail: [mailto:alanov.aibek@gmail.com  alanov.aibek@gmail.com ] <br/>
  
Семинарист: [[Участник:aparinov | Паринов Андрей Андреевич]] (mailto:aparinov1@gmail.com)[mailto:aparinov1@gmail.com] <br/>
+
Все новости, вопросы и обсуждения – в форуме [https://piazza.com/class/it8xri11d2r3g1 Piazza].
При обращении по почте, начинайте тему письма со слов ''[Майнор2016 ИАД2]''
+
  
''' [http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0) Страница] курса''' <br/><br/>
+
Материалы – в [https://github.com/cs-hse/ML_DM_HSE_minor репозитории] GitHub.
'''Оценки''' [http://bit.ly/2cZjDXA]<br/>
+
 
 +
''' [http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0) Страница] курса''' <br/>
 +
 +
'''Таблица с оценками''' [http://bit.ly/2cZjDXA]<br/>
 +
Результирующая оценка по дисциплине рассчитывается по формуле: Oитог=0.7 Oнакопл+0.3 Oэкз <br/>
 +
Накопленная оценка рассчитывается по формуле: Oнакопл=0.15 Oсамост+0.15 Oауд+0.5 Oдз+0.2 Oколлоквиум<br/>
 
Анонимные комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/z5yXFvn3ElxvyQpk2 здесь]<br/>
 
Анонимные комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/z5yXFvn3ElxvyQpk2 здесь]<br/>
Вопросы по курсу можно и нужно задавать на странице Q&A Pizza [http://piazza.com/hse.ru/fall2016/da3 здесь].
 
  
 
== Семинары ==
 
== Семинары ==
'''1) 15 Сентября 2016:''' Метод опорных векторов. Ядра. - [[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb IPython Notebook]] <br/>
+
'''1) 15 сентября 2016:''' Метод опорных векторов. Ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb IPython Notebook]<br/>
'''2) 22 Сентября 2016:''' Стохастический градиент. - [IPython Notebook] <br/>
+
'''2) 22 сентября 2016:''' Стохастический градиент - [http://bit.ly/2cqeQ20 Data&Notebook]<br/>
 +
'''3) 29 сентября 2016:''' Предобработка данных - [http://bit.ly/2dtjsRz Notebook] <br/>
 +
'''4) 6 октября 2016:''' Предобработка данных 2 - [https://www.dropbox.com/sh/xki4ui31gdbm42d/AABw9_z02RDt67RSf7vkN1U5a?dl=0 Notebook]<br/>
 +
'''5) 20 октября 2016:''' Bagging. RF. Boosting - [https://www.dropbox.com/s/hvbben268yd7l5p/baggingRFBoosting.zip?dl=0 Notebook] <br/>
 +
'''6) 20 октября 2016:''' Multilayered Perceptron - [https://www.dropbox.com/s/pq0tsya61uljr9w/6.MLP.ipynb?dl=0 Notebook]<br/>
 +
'''7) 10 ноября 2016:''' Градиентный бустинг, Xgboost - [http://nbviewer.jupyter.org/github/cs-hse/ML_DM_HSE_minor/blob/master/module3_advanced_ML_notebooks/seminar7_boosting/part01_boosting.ipynb Notebook] <br/>
 +
'''10) 1 декабря 2016.''' Непараметрические тесты, корреляция. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar2_hypotheses тесты], [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar3_correlations корреляция].
  
 
== Домашние Задания ==
 
== Домашние Задания ==
[[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/hw1/hw1-svm.ipynb ДЗ 1.]] [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/hw1/data.zip Данные.] ''Срок - 30 Сентября 2016'' <br/>
+
[[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/hw1/hw1-svm.ipynb ДЗ 1.]] [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/hw1/data.zip Данные.] ''Срок 30 сентября 2016'' <br/>
 
+
[[http://nbviewer.jupyter.org/github/aparinov/hse-minor2016/blob/master/hw2.ipynb ДЗ 2.]]
 +
[https://www.dropbox.com/s/054unjn4bfo0khj/STUDENT%20ALCOHOL%20CONSUMPTION.pdf?dl=0 Статья] ''Срок – 26 октября 2016'' <br>
 +
[[http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0)/%D0%94%D0%973 ДЗ 3.]]  ЦПТ.  ''Срок – 24 ноября 2016'' <br>
 +
[[http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0)/%D0%94%D0%974 ДЗ 4.]]  Удержание клиентов. ''Срок – 1 декабря 2016'' <br>
 +
[[http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0)/%D0%94%D0%975 ДЗ 5.]]  Анализ временного ряда. ''Срок – 15 декабря 2016'' <br>
  
== Полезные ссылки (Будут пополняться) ==
+
== Полезные ссылки ==
  
 
''' Семинар 1 '''
 
''' Семинар 1 '''

Текущая версия на 09:55, 10 декабря 2016

Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6

Семинаристы: Паринов Андрей Андреевич, e-mail: aparinov@gmail.com , Кашницкий Юрий Савельевич, e-mail: yury.kashnitsky@gmail.com
Ассистент: Айбек Аланов, e-mail: alanov.aibek@gmail.com

Все новости, вопросы и обсуждения – в форуме Piazza.

Материалы – в репозитории GitHub.

Страница курса

Таблица с оценками [1]
Результирующая оценка по дисциплине рассчитывается по формуле: Oитог=0.7 Oнакопл+0.3 Oэкз
Накопленная оценка рассчитывается по формуле: Oнакопл=0.15 Oсамост+0.15 Oауд+0.5 Oдз+0.2 Oколлоквиум
Анонимные комментарии, замечания и пожелания можно оставить здесь

Семинары

1) 15 сентября 2016: Метод опорных векторов. Ядра - IPython Notebook
2) 22 сентября 2016: Стохастический градиент - Data&Notebook
3) 29 сентября 2016: Предобработка данных - Notebook
4) 6 октября 2016: Предобработка данных 2 - Notebook
5) 20 октября 2016: Bagging. RF. Boosting - Notebook
6) 20 октября 2016: Multilayered Perceptron - Notebook
7) 10 ноября 2016: Градиентный бустинг, Xgboost - Notebook
10) 1 декабря 2016. Непараметрические тесты, корреляция. Ноутбуки: тесты, корреляция.

Домашние Задания

[ДЗ 1.] Данные. Срок – 30 сентября 2016
[ДЗ 2.] Статья Срок – 26 октября 2016
[ДЗ 3.] ЦПТ. Срок – 24 ноября 2016
[ДЗ 4.] Удержание клиентов. Срок – 1 декабря 2016
[ДЗ 5.] Анализ временного ряда. Срок – 15 декабря 2016

Полезные ссылки

Семинар 1

  1. Пример работы полиномиального ядра
  2. Описание ядер
  3. Еще про SVM

Pandas & Seaborn

  1. Pandas
  2. Effective Pandas
  3. Pandas Cheat-Sheet
  4. Pandas Visualization
  5. Seaborn

Наборы данных

  1. Портал Открытых Данных РФ
  2. Funny Datasets
  3. Сборник Открытых Данных (!!!)
  4. Еще наборы данных

FYI

  1. Spurious Correlations
  2. Correlation

Семинар 1

Python

  1. PEP-8 Code Style Guide Cheat-sheet
  2. Python Tutorials Point
  3. Matplotlib Tutorial
  4. Matrix Manipulation Cheat-sheet
  5. Ipython Notebook
  6. Beaker Notebook
  7. yhat Rodeo

Ресурсы и Книги

  1. James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning
  2. Bishop — Pattern Recognition and Machine Learning (первые главы)
  3. MachineLearning.ru
  4. Kaggle
  5. UCI Repo
  6. Visual Intro to ML

Онлайн Курсы

  1. Andrew Ng's Course
  2. Introduction to ML
  3. Learning Data Science with Python
  4. Курс от ВШЭ
  5. Обзор МООС Курсов