ML4SE 1 — различия между версиями
Материал из Wiki - Факультет компьютерных наук
Denaas (обсуждение | вклад) м |
Denaas (обсуждение | вклад) м |
||
Строка 6: | Строка 6: | ||
Литвинов Денис Владимирович ([https://t.me/denaas Telegram]) | Литвинов Денис Владимирович ([https://t.me/denaas Telegram]) | ||
+ | |||
+ | == Правила оценивания домашнего задания == | ||
+ | |||
+ | # Студент заводит приватный репозиторий на github и добавляет туда преподавателя. | ||
+ | # Все домашние задания сдаются в виде jupyter notebook. | ||
+ | # 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. | ||
+ | # При обнаружении списывания работе ставится 0 баллов. | ||
+ | |||
+ | Просьба заполнить [https://docs.google.com/forms/d/e/1FAIpQLSdOn2Orp1aV4oY105I0PUaS3AcQ4jvm5ibyLDDZTA5Rgq6D4w/viewform?usp=sf_link гугл форму] перед сдачей ДЗ | ||
+ | |||
== Содержание учебной дисциплины == | == Содержание учебной дисциплины == |
Версия 01:06, 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)
Правила оценивания домашнего задания
- Студент заводит приватный репозиторий на github и добавляет туда преподавателя.
- Все домашние задания сдаются в виде jupyter notebook.
- 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.
- При обнаружении списывания работе ставится 0 баллов.
Просьба заполнить гугл форму перед сдачей ДЗ
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