Современные методы машинного обучения (курс майнора) 2018/2019 — различия между версиями
Zimovnov (обсуждение | вклад) (→2 модуль: Статистические методы и прогнозирование временных рядов) |
Zimovnov (обсуждение | вклад) (→1 модуль: Градиентные методы и нейросети) |
||
| Строка 54: | Строка 54: | ||
Лекция 3 (4 октября). Нейросети: MLP [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture3.pdf Слайды.] | Лекция 3 (4 октября). Нейросети: MLP [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture3.pdf Слайды.] | ||
| − | Лекция 4 (11 октября). Нейросети: CNN | + | Лекция 4 (11 октября). Нейросети: CNN [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture4.pdf Слайды.] |
Лекция 5 (18 октября). Нейросети: трюки, задачи | Лекция 5 (18 октября). Нейросети: трюки, задачи | ||
Версия 14:50, 11 октября 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.
- [Будет обновлено] Коллоквиум (письменная контрольная) в конце 1 модуля.
- Экзамен.
Оценка вычисляется по следующим формулам:
ИТОГ = 0.7 * НАКОПЛЕННАЯ + 0.3 * ЭКЗАМЕН
[Будет обновлено] 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).
[? Таблица с оценками]
Обратная связь
По срочным вопросам можно писать напрямую в телеграме: https://t.me/ZEMUSHKA
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/mhZxfEXinxJ27Bm02
Канал в Телеграме с важными объявлениями: https://t.me/mml_2018
По административным вопросам обращайтесь к Ивановой Оксане Анатольевне, oksanaivanova@hse.ru
Семинарские группы
[? Списки групп]
Учебный процесс
Лекции
1 модуль: Градиентные методы и нейросети
Лекция 1 (20 сентября). Методы оптимизации. Слайды.
Лекция 2 (27 сентября). Градиентный бустинг. Слайды. (обновлены 29 сентября)
Лекция 3 (4 октября). Нейросети: MLP Слайды.
Лекция 4 (11 октября). Нейросети: CNN Слайды.
Лекция 5 (18 октября). Нейросети: трюки, задачи
2 модуль: Статистические методы и прогнозирование временных рядов
Лекция 1 (1 ноября). Автокодировщики
Лекция 2 (8 ноября). Нейросети: простые RNN
Лекция 3 (15 ноября). Нейросети: LSTM, трюки, задачи
Лекция 4 (22 ноября). Статистическая проверка гипотез?
Лекция 5 (29 ноября). ARIMA?
Лекция 6 (6 декабря). ?
Лекция 7 (13 декабря). ?
Коллоквиум
Программа коллоквиума: ?
Распределение вопросов: ?
Коллоквиум (письменный) пройдет ? в лекционной аудитории.
[? Оценки за коллоквиум.]
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 ?.
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
