Современные методы машинного обучения (курс майнора) 2017/2018 — различия между версиями
Zimovnov (обсуждение | вклад) (→Экзамен) |
Zimovnov (обсуждение | вклад) (→Учебный процесс) |
||
| Строка 46: | Строка 46: | ||
====1 модуль==== | ====1 модуль==== | ||
| − | Лекция 1 (7 сентября, сдвоенная). Метод опорных векторов, ядра. [https://github.com/ZEMUSHKA/mml-minor | + | Лекция 1 (7 сентября, сдвоенная). Метод опорных векторов, ядра. [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture1.pdf Слайды.] |
| − | Лекция 2 (21 сентября). Методы оптимизации. [https://github.com/ZEMUSHKA/mml-minor | + | Лекция 2 (21 сентября). Методы оптимизации. [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture2.pdf Слайды.] |
| − | Лекция 3 (28 сентября). Градиентный бустинг. [https://github.com/ZEMUSHKA/mml-minor | + | Лекция 3 (28 сентября). Градиентный бустинг. [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture3.pdf Слайды.] |
| − | Лекция 4 (5 октября). Нейронные сети. [https://github.com/ZEMUSHKA/mml-minor | + | Лекция 4 (5 октября). Нейронные сети. [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture4.pdf Слайды.] |
| − | Лекция 5 (12 октября). Сверточные сети (введение). [https://github.com/ZEMUSHKA/mml-minor | + | Лекция 5 (12 октября). Сверточные сети (введение). [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture5.pdf Слайды.] |
| − | Лекция 6 (19 октября). Сверточные сети (продолжение), рекуррентные сети (введение) [https://github.com/ZEMUSHKA/mml-minor | + | Лекция 6 (19 октября). Сверточные сети (продолжение), рекуррентные сети (введение) [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture6.pdf Слайды.] |
==== 2 модуль ==== | ==== 2 модуль ==== | ||
| − | Лекция 1 (2 ноября, сдвоенная). Рекуррентные сети (продолжение), консультация перед колоквиумом. [https://github.com/ZEMUSHKA/mml-minor | + | Лекция 1 (2 ноября, сдвоенная). Рекуррентные сети (продолжение), консультация перед колоквиумом. [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture7.pdf Слайды.] |
| − | Лекция 2 (9 ноября, сдвоенная). Коллоквиум. Примеры работы с большими данными. [https://github.com/ZEMUSHKA/mml-minor | + | Лекция 2 (9 ноября, сдвоенная). Коллоквиум. Примеры работы с большими данными. [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture8.pdf Слайды.] |
| − | Лекция 3 (16 ноября, сдвоенная). Основные определения прикладной статистики. Проверка гипотез. [https://github.com/ZEMUSHKA/mml-minor | + | Лекция 3 (16 ноября, сдвоенная). Основные определения прикладной статистики. Проверка гипотез. [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture9.pdf Слайды 1.] [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture10.pdf Слайды 2.] |
| − | Лекция 4 (30 ноября, сдвоенная). Зависимости. Линейная регрессия. Временные ряды. [https://github.com/ZEMUSHKA/mml-minor | + | Лекция 4 (30 ноября, сдвоенная). Зависимости. Линейная регрессия. Временные ряды. [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture11.pdf Слайды 1.] [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture12.pdf Слайды 2.] [https://github.com/ZEMUSHKA/mml-minor/blob/2017/lectures/lecture13.pdf Слайды 3.] |
=== Коллоквиум === | === Коллоквиум === | ||
Текущая версия на 18:03, 29 сентября 2018
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.
- Коллоквиум (письменная контрольная) в конце 1 модуля.
- Экзамен.
Оценка вычисляется по следующим формулам:
ИТОГ = 0.7 * НАКОПЛЕННАЯ + 0.3 * ЭКЗАМЕН
НАКОПЛЕННАЯ = 0.1 * ПРОВЕРОЧНЫЕ + 0.7 * 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 zimovnov+minor@gmail.com, добавляя строку "[Майнор ИАД]" в заголовок письма.
По этой ссылке можно оставить анонимный отзыв или предложение для курса: https://goo.gl/forms/eyYRTv379a9mj7Tr2
Канал в Телеграме с важными объявлениями: https://t.me/mml2017
По административным вопросам обращайтесь к Ивановой Оксане Анатольевне, oksanaivanova@hse.ru
Семинарские группы
Учебный процесс
Лекции
1 модуль
Лекция 1 (7 сентября, сдвоенная). Метод опорных векторов, ядра. Слайды.
Лекция 2 (21 сентября). Методы оптимизации. Слайды.
Лекция 3 (28 сентября). Градиентный бустинг. Слайды.
Лекция 4 (5 октября). Нейронные сети. Слайды.
Лекция 5 (12 октября). Сверточные сети (введение). Слайды.
Лекция 6 (19 октября). Сверточные сети (продолжение), рекуррентные сети (введение) Слайды.
2 модуль
Лекция 1 (2 ноября, сдвоенная). Рекуррентные сети (продолжение), консультация перед колоквиумом. Слайды.
Лекция 2 (9 ноября, сдвоенная). Коллоквиум. Примеры работы с большими данными. Слайды.
Лекция 3 (16 ноября, сдвоенная). Основные определения прикладной статистики. Проверка гипотез. Слайды 1. Слайды 2.
Лекция 4 (30 ноября, сдвоенная). Зависимости. Линейная регрессия. Временные ряды. Слайды 1. Слайды 2. Слайды 3.
Коллоквиум
Программа коллоквиума: https://docs.google.com/document/d/1QhsS3XiO3aqva0fZsvHZd44n4qoJaur7Hm37XDSk2b4/edit?usp=sharing
Распределение вопросов: https://docs.google.com/spreadsheets/d/18dOA9QxFyumaNUkhOdaIg4gvhTqxQst_HC7i0uMTC5w/edit?usp=sharing
Коллоквиум (письменный) пройдет 9 ноября в 12:10 в лекционной аудитории.
Домашние задания
Условия сдачи смотрите на странице группы или уточняйте у своих семинаристов. Штраф за каждый день просрочки - 1 (из 10) балл.
Страницы групп
Экзамен
Экзамен (письменный) пройдет 21 декабря в аудитории 5307 в 15:00.
Программа экзамена: https://docs.google.com/document/d/121eSSLYoZDTPzNxmJL5TBP1RmgGrlS7FufQOzdPTmjg/edit?usp=sharing
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
