Современные методы машинного обучения (курс майнора) ИАД2-6 — различия между версиями
Aparinov (обсуждение | вклад) м |
Aparinov (обсуждение | вклад) м |
||
Строка 19: | Строка 19: | ||
== 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. - [ | + | '''2) 22 Сентября 2016:''' Стохастический градиент. - [[http://bit.ly/2cqeQ20 Data&Notebook]] <br/> |
== Домашние Задания == | == Домашние Задания == |
Версия 09:32, 22 сентября 2016
Содержание
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
Семинарист: Паринов Андрей Андреевич (mailto:aparinov1@gmail.com)[1]
При обращении по почте, начинайте тему письма со слов
[Майнор2016 ИАД2] для студентов из группы ИАД 2
[Майнор2016 ИАД6] для студентов из группы ИАД 6
Страница курса
Таблица с оценками [2]
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
Вопросы по курсу можно и нужно задавать на странице Q&A Pizza здесь.
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]
Домашние Задания
[ДЗ 1.] Данные. Срок - 30 Сентября 2016
Полезные ссылки (Будут пополняться)
Семинар 1
Pandas & Seaborn
Наборы данных
FYI
Семинар 1
Python
- PEP-8 Code Style Guide Cheat-sheet
- Python Tutorials Point
- Matplotlib Tutorial
- Matrix Manipulation Cheat-sheet
- Ipython Notebook
- Beaker Notebook
- yhat Rodeo
Ресурсы и Книги
- James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning
- Bishop — Pattern Recognition and Machine Learning (первые главы)
- MachineLearning.ru
- Kaggle
- UCI Repo
- Visual Intro to ML
Онлайн Курсы