ML4SE 1 — различия между версиями
Материал из Wiki - Факультет компьютерных наук
Denaas (обсуждение | вклад) м |
Denaas (обсуждение | вклад) м |
||
Строка 25: | Строка 25: | ||
! дата !! тема !! материалы !! видео !! ДЗ !! дедлайн !! последний дедлайн | ! дата !! тема !! материалы !! видео !! ДЗ !! дедлайн !! последний дедлайн | ||
|- | |- | ||
− | | 7.09.2021 || Линейные модели, основы машинного обучения I || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_1/ML4SE_1.pdf presentation] || || | + | | 7.09.2021 || Линейные модели, основы машинного обучения I || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_1/ML4SE_1.pdf presentation] || || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_1/assignment_1.ipynb assignment_1] || 21.09.2021 23:59 || 28.09.2021 23:59 |
|- | |- | ||
|} | |} |
Версия 00:54, 10 сентября 2021
Содержание
О курсе
В последние годы машинное обучение стало активно применяться в программировании и разработке. В данном курсе студенты узнают и научатся пользоваться базовыми понятиями машинного обучения, некоторыми классическими моделями и нейронными сетями, необходимыми для анализа кода.
Преподаватели:
Литвинов Денис Владимирович (Telegram)
Содержание учебной дисциплины
- Linear models, ML fundamentals
- Distributed representations
- Feed Forward Neural Networks
- CNN, RNN
- Language Modeling
- Transformers
- Transfer learning
- Information Retrieval
- Modern Transformer architectures
Материалы курса:
дата | тема | материалы | видео | ДЗ | дедлайн | последний дедлайн |
---|---|---|---|---|---|---|
7.09.2021 | Линейные модели, основы машинного обучения I | presentation | assignment_1 | 21.09.2021 23:59 | 28.09.2021 23:59 |
Формула оценки
Результирующая оценка вычисляется по формуле:
О_результирующая = Округление( 0.12 * ДЗ1 + 0.12 * ДЗ2 + 0.12 * ДЗ3 + 0.12 * ДЗ4 +0.12 * ДЗ5 + 0.2 * O_доклад + 0.2 * О_активность)
Формула округления: Стандартное арифметическое округление
Рекомендованная литература
- Goodfellow I. Deep Learning. MIT Press, 2016
- Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006
Рекомендуемая дополнительная литература
- Hastie, T. The elements of statistical learning : data mining, inference, and prediction. Springer, 2017
- Sheldon A. Linear Algebra Done Right. Springer, 3d edition, 2015. https://linear.axler.net/
- Kamath U. Deep Learning for NLP and Speech Recognition. Springer, 1st edition, 2019
- Schapire. Boosting: Foundations and Algorithms. MIT Press, 2012