ML4SE 1 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
м
м
Строка 37: Строка 37:
 
| 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://www.youtube.com/watch?v=62hppk2uEfQ&ab_channel=HSECS-JointdepartmentwithJetBrains video] || [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
 
| 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://www.youtube.com/watch?v=62hppk2uEfQ&ab_channel=HSECS-JointdepartmentwithJetBrains video] || [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
 
|-
 
|-
| 21.09.2021 || Линейные модели, основы машинного обучения II ||  || || || ||  
+
| 21.09.2021 || Линейные модели, основы машинного обучения II || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_2/ML4SE_2.pdf presentation] || || || ||  
 
|-
 
|-
 
|}
 
|}

Версия 14:35, 21 сентября 2021

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)

Правила оценивания домашнего задания

  1. Студент заводит приватный репозиторий на github и добавляет туда преподавателя.
  2. Все домашние задания сдаются в виде jupyter notebook.
  3. При сдаче работы все клетки в jupyter notebook должны быть выполнены последовательно. Если преподаватель перезапустит jupyter notebook у себя и обнаружит существенные отличия в выводе клеток, или ошибки при исполнении кода, то он может снять баллы за задание.
  4. При обнаружении списывания работе ставится 0 баллов.

Просьба заполнить гугл форму перед сдачей ДЗ


Содержание учебной дисциплины

  1. Linear models, ML fundamentals
  2. Distributed representations
  3. Feed Forward Neural Networks
  4. CNN, RNN
  5. Language Modeling
  6. Transformers
  7. Transfer learning
  8. Information Retrieval
  9. Modern Transformer architectures

Материалы курса:

дата тема материалы видео ДЗ дедлайн последний дедлайн
7.09.2021 Линейные модели, основы машинного обучения I presentation video assignment_1 21.09.2021 23:59 28.09.2021 23:59
21.09.2021 Линейные модели, основы машинного обучения II presentation

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

  1. Goodfellow I. Deep Learning. MIT Press, 2016
  2. Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006

Рекомендуемая дополнительная литература

  1. Hastie, T. The elements of statistical learning : data mining, inference, and prediction. Springer, 2017
  2. Sheldon A. Linear Algebra Done Right. Springer, 3d edition, 2015. https://linear.axler.net/
  3. Kamath U. Deep Learning for NLP and Speech Recognition. Springer, 1st edition, 2019
  4. Schapire. Boosting: Foundations and Algorithms. MIT Press, 2012