<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="ru">
	<id>https://wiki.cs.hse.ru/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=%D0%A0%D1%92%D0%A0%D0%85%D0%A0%C2%B0%D0%A1%D0%83%D0%A1%E2%80%9A%D0%A0%C2%B0%D0%A1%D0%83%D0%A0%D1%91%D0%A1%D0%8F</id>
	<title>Wiki - Факультет компьютерных наук - Вклад [ru]</title>
	<link rel="self" type="application/atom+xml" href="https://wiki.cs.hse.ru/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=%D0%A0%D1%92%D0%A0%D0%85%D0%A0%C2%B0%D0%A1%D0%83%D0%A1%E2%80%9A%D0%A0%C2%B0%D0%A1%D0%83%D0%A0%D1%91%D0%A1%D0%8F"/>
	<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/%D0%A1%D0%BB%D1%83%D0%B6%D0%B5%D0%B1%D0%BD%D0%B0%D1%8F:%D0%92%D0%BA%D0%BB%D0%B0%D0%B4/%D0%A0%D1%92%D0%A0%D0%85%D0%A0%C2%B0%D0%A1%D0%83%D0%A1%E2%80%9A%D0%A0%C2%B0%D0%A1%D0%83%D0%A0%D1%91%D0%A1%D0%8F"/>
	<updated>2026-09-21T04:21:55Z</updated>
	<subtitle>Вклад</subtitle>
	<generator>MediaWiki 1.43.9</generator>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=30169</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=30169"/>
		<updated>2018-10-16T19:08:17Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: /* О курсе */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[https://docs.google.com/spreadsheets/d/12-AnCGi1yiv9gyRgjNYy5Db0XHURYvg5wx74gVNaGH8/edit?usp=sharing Таблица с оценками]&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Gitlab Username !! Расписание &lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || anastasiyamax || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || [https://www.hse.ru/org/persons/101555071 Артем Филатов] || Анастасия Рогачевская || arogachewskaya || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Алексей Иванов ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
== Коллоквиум ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Коллоквиум будет проведен 27 октября в аудитории 2309 с 9:00 до 12:00&#039;&#039;&#039;. К скольки часам подходить каждой группе - объявим чуть позже. &lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Правила&#039;&#039;&#039;&lt;br /&gt;
* коллоквиум будет включать в себя теоретические вопросы и задачи&lt;br /&gt;
* список теоретических вопросов: [https://yadi.sk/i/02MVWioinckZPA ссылка]&lt;br /&gt;
* задачи будут либо близки к задачам из теоретических домашних заданий, либо простыми задачами на понимание материала (например, на построение ROC-кривой для конкретных данных, на понимание формы разделяющей поверхности для разных методов классификации, на доказательство, что функция является ядром и т.д.)&lt;br /&gt;
* на подготовку и ответ будет выделено примерно по 10 минут&lt;br /&gt;
* пользоваться при подготовке ничем нельзя&lt;br /&gt;
&lt;br /&gt;
== Экзамен ==&lt;br /&gt;
В конце курса будет проведен устный экзамен.&lt;br /&gt;
&lt;br /&gt;
== Лекции ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 1&#039;&#039;&#039; (7 сентября). Введение в машинное обучение.&lt;br /&gt;
[https://yadi.sk/i/ai0g5tNGGEDW7g Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 2&#039;&#039;&#039; (14 сентября). Линейные методы регрессии (аналитическое и численное решение задачи МНК,  градиентный спуск, методы оценивания градиента).&lt;br /&gt;
[https://yadi.sk/i/qLdVErX9XsgN6Q Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 3&#039;&#039;&#039; (21 сентября). Линейные методы регрессии (метрики качества регрессии, регуляризация, методы оценивания обобщающей способности, кросс-валидация).&lt;br /&gt;
[https://yadi.sk/i/_d1o63NUQPcPKQ Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 4&#039;&#039;&#039; (28 сентября). Линейные методы классификации (аппроксимация эмпирического риска, метрики качества в задачах классификации, персептрон).&lt;br /&gt;
[https://yadi.sk/i/HNmj2uU_dylmYQ Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 5&#039;&#039;&#039; (5 октября). Линейные методы классификации (логистическая регрессия, метод опорных векторов, калибровка Платта).&lt;br /&gt;
[https://yadi.sk/i/f1hvj67lfZgJHQ Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 6&#039;&#039;&#039; (12 октября). Многоклассовая классификация. Ядровые методы.&lt;br /&gt;
[https://yadi.sk/i/mZAUXdm0CLwLoQ Слайды]&lt;br /&gt;
&lt;br /&gt;
[https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Семинары ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Семинар 1&#039;&#039;&#039;.&lt;br /&gt;
== Полезные материалы ==&lt;br /&gt;
===Книги===&lt;br /&gt;
* Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.&lt;br /&gt;
* Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.&lt;br /&gt;
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.&lt;br /&gt;
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.&lt;br /&gt;
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.&lt;br /&gt;
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.&lt;br /&gt;
&lt;br /&gt;
===Курсы по машинному обучению и анализу данных===&lt;br /&gt;
* [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]&lt;br /&gt;
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]&lt;br /&gt;
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]&lt;br /&gt;
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]&lt;br /&gt;
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=30007</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=30007"/>
		<updated>2018-10-15T11:20:49Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Gitlab Username !! Расписание &lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || anastasiyamax || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || [https://www.hse.ru/org/persons/101555071 Артем Филатов] || Анастасия Рогачевская || arogachewskaya || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Алексей Иванов ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
== Коллоквиум ==&lt;br /&gt;
&lt;br /&gt;
После первого модуля будет проведен устный коллоквиум. &lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Правила&#039;&#039;&#039;&lt;br /&gt;
* коллоквиум будет включать в себя теоретические вопросы и задачи&lt;br /&gt;
* список теоретических вопросов вопросов будет опубликован позже&lt;br /&gt;
* задачи будут либо близки к задачам из теоретических домашних заданий, либо простыми задачами на понимание материала (например, на построение ROC-кривой для конкретных данных, на понимание формы разделяющей поверхности для разных методов классификации, на доказательство, что функция является ядром и т.д.)&lt;br /&gt;
* на подготовку и ответ будет выделено примерно по 10 минут&lt;br /&gt;
* пользоваться при подготовке ничем нельзя&lt;br /&gt;
&lt;br /&gt;
== Экзамен ==&lt;br /&gt;
В конце курса будет проведен устный экзамен.&lt;br /&gt;
&lt;br /&gt;
== Лекции ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 1&#039;&#039;&#039; (7 сентября). Введение в машинное обучение.&lt;br /&gt;
[https://yadi.sk/i/ai0g5tNGGEDW7g Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 2&#039;&#039;&#039; (14 сентября). Линейные методы регрессии (аналитическое и численное решение задачи МНК,  градиентный спуск, методы оценивания градиента).&lt;br /&gt;
[https://yadi.sk/i/qLdVErX9XsgN6Q Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 3&#039;&#039;&#039; (21 сентября). Линейные методы регрессии (метрики качества регрессии, регуляризация, методы оценивания обобщающей способности, кросс-валидация).&lt;br /&gt;
[https://yadi.sk/i/_d1o63NUQPcPKQ Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 4&#039;&#039;&#039; (28 сентября). Линейные методы классификации (аппроксимация эмпирического риска, метрики качества в задачах классификации, персептрон).&lt;br /&gt;
[https://yadi.sk/i/HNmj2uU_dylmYQ Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 5&#039;&#039;&#039; (5 октября). Линейные методы классификации (логистическая регрессия, метод опорных векторов, калибровка Платта).&lt;br /&gt;
[https://yadi.sk/i/f1hvj67lfZgJHQ Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 6&#039;&#039;&#039; (12 октября). Многоклассовая классификация. Ядровые методы.&lt;br /&gt;
[https://yadi.sk/i/mZAUXdm0CLwLoQ Слайды]&lt;br /&gt;
&lt;br /&gt;
[https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Семинары ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Семинар 1&#039;&#039;&#039;.&lt;br /&gt;
== Полезные материалы ==&lt;br /&gt;
===Книги===&lt;br /&gt;
* Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.&lt;br /&gt;
* Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.&lt;br /&gt;
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.&lt;br /&gt;
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.&lt;br /&gt;
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.&lt;br /&gt;
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.&lt;br /&gt;
&lt;br /&gt;
===Курсы по машинному обучению и анализу данных===&lt;br /&gt;
* [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]&lt;br /&gt;
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]&lt;br /&gt;
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]&lt;br /&gt;
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]&lt;br /&gt;
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=30006</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=30006"/>
		<updated>2018-10-15T11:10:27Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: /* О курсе */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[https://docs.google.com/spreadsheets/d/12-AnCGi1yiv9gyRgjNYy5Db0XHURYvg5wx74gVNaGH8/edit?usp=sharing Таблица с оценками]&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Gitlab Username !! Расписание &lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || anastasiyamax || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || [https://www.hse.ru/org/persons/101555071 Артем Филатов] || Анастасия Рогачевская || arogachewskaya || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Алексей Иванов ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
== Коллоквиум ==&lt;br /&gt;
&lt;br /&gt;
После первого модуля будет проведен устный коллоквиум. &lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Правила&#039;&#039;&#039;&lt;br /&gt;
* коллоквиум будет включать в себя теоретические вопросы и задачи&lt;br /&gt;
* список теоретических вопросов вопросов будет опубликован позже&lt;br /&gt;
* задачи будут либо близки к задачам из теоретических домашних заданий, либо простыми задачами на понимание материала (например, на построение ROC-кривой для конкретных данных, на понимание формы разделяющей поверхности для разных методов классификации, на доказательство, что функция является ядром и т.д.)&lt;br /&gt;
* на подготовку и ответ будет выделено примерно по 10 минут&lt;br /&gt;
* пользоваться при подготовке ничем нельзя&lt;br /&gt;
&lt;br /&gt;
== Экзамен ==&lt;br /&gt;
В конце курса будет проведен устный экзамен.&lt;br /&gt;
&lt;br /&gt;
== Лекции ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 1&#039;&#039;&#039; (7 сентября). Введение в машинное обучение.&lt;br /&gt;
[https://yadi.sk/i/ai0g5tNGGEDW7g Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 2&#039;&#039;&#039; (14 сентября). Линейные методы регрессии (аналитическое и численное решение задачи МНК,  градиентный спуск, методы оценивания градиента).&lt;br /&gt;
[https://yadi.sk/i/qLdVErX9XsgN6Q Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 3&#039;&#039;&#039; (21 сентября). Линейные методы регрессии (метрики качества регрессии, регуляризация, методы оценивания обобщающей способности, кросс-валидация).&lt;br /&gt;
[https://yadi.sk/i/_d1o63NUQPcPKQ Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 4&#039;&#039;&#039; (28 сентября). Линейные методы классификации (аппроксимация эмпирического риска, метрики качества в задачах классификации, персептрон).&lt;br /&gt;
[https://yadi.sk/i/HNmj2uU_dylmYQ Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 5&#039;&#039;&#039; (5 октября). Линейные методы классификации (логистическая регрессия, метод опорных векторов, калибровка Платта).&lt;br /&gt;
[https://yadi.sk/i/f1hvj67lfZgJHQ Слайды]&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 6&#039;&#039;&#039; (12 октября). Многоклассовая классификация. Ядровые методы.&lt;br /&gt;
[https://yadi.sk/i/mZAUXdm0CLwLoQ Слайды]&lt;br /&gt;
&lt;br /&gt;
[https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Семинары ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Семинар 1&#039;&#039;&#039;.&lt;br /&gt;
== Полезные материалы ==&lt;br /&gt;
===Книги===&lt;br /&gt;
* Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.&lt;br /&gt;
* Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.&lt;br /&gt;
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.&lt;br /&gt;
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.&lt;br /&gt;
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.&lt;br /&gt;
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.&lt;br /&gt;
&lt;br /&gt;
===Курсы по машинному обучению и анализу данных===&lt;br /&gt;
* [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]&lt;br /&gt;
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]&lt;br /&gt;
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]&lt;br /&gt;
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]&lt;br /&gt;
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28674</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28674"/>
		<updated>2018-09-05T08:11:50Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: /* Семинары */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание&lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || Артем Филатов || Анастасия Рогачевская || || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || Алексей Иванов ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
== Коллоквиум ==&lt;br /&gt;
&lt;br /&gt;
После первого модуля будет проведен устный коллоквиум. &lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Правила&#039;&#039;&#039;&lt;br /&gt;
* коллоквиум будет включать в себя теоретические вопросы и задачи&lt;br /&gt;
* список теоретических вопросов вопросов будет опубликован позже&lt;br /&gt;
* задачи будут либо близки к задачам из теоретических домашних заданий, либо простыми задачами на понимание материала (например, на построение ROC-кривой для конкретных данных, на понимание формы разделяющей поверхности для разных методов классификации, на доказательство, что функция является ядром и т.д.)&lt;br /&gt;
* на подготовку и ответ будет выделено примерно по 10 минут&lt;br /&gt;
* пользоваться при подготовке ничем нельзя&lt;br /&gt;
&lt;br /&gt;
== Экзамен ==&lt;br /&gt;
В конце курса будет проведен устный экзамен.&lt;br /&gt;
&lt;br /&gt;
== Лекции ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 1&#039;&#039;&#039; (7 сентября). Введение в машинное обучение.&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 2&#039;&#039;&#039; (14 сентября). Линейные методы регрессии.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Семинары ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Семинар 1&#039;&#039;&#039;.&lt;br /&gt;
== Полезные материалы ==&lt;br /&gt;
===Книги===&lt;br /&gt;
* Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.&lt;br /&gt;
* Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.&lt;br /&gt;
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.&lt;br /&gt;
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.&lt;br /&gt;
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.&lt;br /&gt;
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.&lt;br /&gt;
&lt;br /&gt;
===Курсы по машинному обучению и анализу данных===&lt;br /&gt;
* [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]&lt;br /&gt;
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]&lt;br /&gt;
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]&lt;br /&gt;
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]&lt;br /&gt;
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28673</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28673"/>
		<updated>2018-09-05T07:48:22Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: /* Лекции */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание&lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || Артем Филатов || Анастасия Рогачевская || || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || -- ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
== Коллоквиум ==&lt;br /&gt;
&lt;br /&gt;
После первого модуля будет проведен устный коллоквиум. &lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Правила&#039;&#039;&#039;&lt;br /&gt;
* коллоквиум будет включать в себя теоретические вопросы и задачи&lt;br /&gt;
* список теоретических вопросов вопросов будет опубликован позже&lt;br /&gt;
* задачи будут либо близки к задачам из теоретических домашних заданий, либо простыми задачами на понимание материала (например, на построение ROC-кривой для конкретных данных, на понимание формы разделяющей поверхности для разных методов классификации, на доказательство, что функция является ядром и т.д.)&lt;br /&gt;
* на подготовку и ответ будет выделено примерно по 10 минут&lt;br /&gt;
* пользоваться при подготовке ничем нельзя&lt;br /&gt;
&lt;br /&gt;
== Экзамен ==&lt;br /&gt;
В конце курса будет проведен устный экзамен.&lt;br /&gt;
&lt;br /&gt;
== Лекции ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 1&#039;&#039;&#039; (7 сентября). Введение в машинное обучение.&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 2&#039;&#039;&#039; (14 сентября). Линейные методы регрессии.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Семинары ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Семинар 1&#039;&#039;&#039;.&lt;br /&gt;
== Полезные материалы ==&lt;br /&gt;
===Книги===&lt;br /&gt;
* Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.&lt;br /&gt;
* Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.&lt;br /&gt;
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.&lt;br /&gt;
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.&lt;br /&gt;
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.&lt;br /&gt;
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.&lt;br /&gt;
&lt;br /&gt;
===Курсы по машинному обучению и анализу данных===&lt;br /&gt;
* [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]&lt;br /&gt;
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]&lt;br /&gt;
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]&lt;br /&gt;
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]&lt;br /&gt;
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28672</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28672"/>
		<updated>2018-09-04T22:33:15Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание&lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || Артем Филатов || Анастасия Рогачевская || || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || -- ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
== Коллоквиум ==&lt;br /&gt;
&lt;br /&gt;
После первого модуля будет проведен устный коллоквиум. &lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Правила&#039;&#039;&#039;&lt;br /&gt;
* коллоквиум будет включать в себя теоретические вопросы и задачи&lt;br /&gt;
* список теоретических вопросов вопросов будет опубликован позже&lt;br /&gt;
* задачи будут либо близки к задачам из теоретических домашних заданий, либо простыми задачами на понимание материала (например, на построение ROC-кривой для конкретных данных, на понимание формы разделяющей поверхности для разных методов классификации, на доказательство, что функция является ядром и т.д.)&lt;br /&gt;
* на подготовку и ответ будет выделено примерно по 10 минут&lt;br /&gt;
* пользоваться при подготовке ничем нельзя&lt;br /&gt;
&lt;br /&gt;
== Экзамен ==&lt;br /&gt;
В конце курса будет проведен устный экзамен.&lt;br /&gt;
&lt;br /&gt;
== Лекции ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 1&#039;&#039;&#039; (1 сентября). Введение в машинное обучение.&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 2&#039;&#039;&#039; (14 сентября). Линейные методы регрессии.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Семинары ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Семинар 1&#039;&#039;&#039;.&lt;br /&gt;
== Полезные материалы ==&lt;br /&gt;
===Книги===&lt;br /&gt;
* Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.&lt;br /&gt;
* Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.&lt;br /&gt;
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.&lt;br /&gt;
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.&lt;br /&gt;
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.&lt;br /&gt;
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.&lt;br /&gt;
&lt;br /&gt;
===Курсы по машинному обучению и анализу данных===&lt;br /&gt;
* [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]&lt;br /&gt;
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]&lt;br /&gt;
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]&lt;br /&gt;
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]&lt;br /&gt;
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28671</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28671"/>
		<updated>2018-09-04T22:30:09Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание&lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || Артем Филатов || Анастасия Рогачевская || || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || -- ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Канал в telegram для объявлений: &amp;lt;br /&amp;gt;&lt;br /&gt;
Чат в telegram для обсуждений: &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Коллоквиум ==&lt;br /&gt;
&lt;br /&gt;
После первого модуля будет проведен устный коллоквиум. &lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Правила&#039;&#039;&#039;&lt;br /&gt;
* коллоквиум будет включать в себя теоретические вопросы и задачи&lt;br /&gt;
* список теоретических вопросов вопросов будет опубликован позже&lt;br /&gt;
* задачи будут либо близки к задачам из теоретических домашних заданий, либо простыми задачами на понимание материала (например, на построение ROC-кривой для конкретных данных, на понимание формы разделяющей поверхности для разных методов классификации, на доказательство, что функция является ядром и т.д.)&lt;br /&gt;
* на подготовку и ответ будет выделено примерно по 10 минут&lt;br /&gt;
* пользоваться при подготовке ничем нельзя&lt;br /&gt;
&lt;br /&gt;
== Экзамен ==&lt;br /&gt;
В конце курса будет проведен устный экзамен.&lt;br /&gt;
&lt;br /&gt;
== Лекции ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 1&#039;&#039;&#039; (1 сентября). Введение в машинное обучение.&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 2&#039;&#039;&#039; (14 сентября). Линейные методы регрессии.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Семинары ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Семинар 1&#039;&#039;&#039;.&lt;br /&gt;
== Полезные материалы ==&lt;br /&gt;
===Книги===&lt;br /&gt;
* Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.&lt;br /&gt;
* Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.&lt;br /&gt;
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.&lt;br /&gt;
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.&lt;br /&gt;
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.&lt;br /&gt;
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.&lt;br /&gt;
&lt;br /&gt;
===Курсы по машинному обучению и анализу данных===&lt;br /&gt;
* [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]&lt;br /&gt;
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]&lt;br /&gt;
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]&lt;br /&gt;
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]&lt;br /&gt;
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28670</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28670"/>
		<updated>2018-09-04T22:23:25Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: Добавлены разделы с лекциями и семинарами&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание&lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || Артем Филатов || Анастасия Рогачевская || || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || -- ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
=== Полезные ссылки ===&lt;br /&gt;
&lt;br /&gt;
[ Программа курса]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [http://pythontutor.ru/] - вводный курс по Python для тех, кто не знаком с языком. &lt;br /&gt;
# [https://ru.coursera.org/specializations/machine-learning-data-analysis] - специализация Яндекса и МФТИ на coursera.org.&lt;br /&gt;
# Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.&lt;br /&gt;
# Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Канал в telegram для объявлений: &amp;lt;br /&amp;gt;&lt;br /&gt;
Чат в telegram для обсуждений: &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Коллоквиум ==&lt;br /&gt;
&lt;br /&gt;
После первого модуля будет проведен устный коллоквиум. &lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Правила&#039;&#039;&#039;&lt;br /&gt;
* коллоквиум будет включать в себя теоретические вопросы и задачи&lt;br /&gt;
* список теоретических вопросов вопросов будет опубликован позже&lt;br /&gt;
* задачи будут либо близки к задачам из теоретических домашних заданий, либо простыми задачами на понимание материала (например, на построение ROC-кривой для конкретных данных, на понимание формы разделяющей поверхности для разных методов классификации, на доказательство, что функция является ядром и т.д.)&lt;br /&gt;
* на подготовку и ответ будет выделено примерно по 10 минут&lt;br /&gt;
* пользоваться при подготовке ничем нельзя&lt;br /&gt;
&lt;br /&gt;
== Экзамен ==&lt;br /&gt;
В конце курса будет проведен устный экзамен.&lt;br /&gt;
&lt;br /&gt;
== Лекции ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 1&#039;&#039;&#039; (1 сентября). Введение в машинное обучение.&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Лекция 2&#039;&#039;&#039; (14 сентября). Линейные методы регрессии.&lt;br /&gt;
&lt;br /&gt;
== Семинары ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Семинар 1&#039;&#039;&#039;.&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28669</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28669"/>
		<updated>2018-09-04T22:06:41Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание&lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || Артем Филатов || Анастасия Рогачевская || || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || -- ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
=== Полезные ссылки ===&lt;br /&gt;
&lt;br /&gt;
[ Программа курса]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [http://pythontutor.ru/] - вводный курс по Python для тех, кто не знаком с языком. &lt;br /&gt;
# [https://ru.coursera.org/specializations/machine-learning-data-analysis] - специализация Яндекса и МФТИ на coursera.org.&lt;br /&gt;
# Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.&lt;br /&gt;
# Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Канал в telegram для объявлений: &amp;lt;br /&amp;gt;&lt;br /&gt;
Чат в telegram для обсуждений: &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Коллоквиум ==&lt;br /&gt;
&lt;br /&gt;
После первого модуля будет проведен устный коллоквиум. &lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Правила&#039;&#039;&#039;&lt;br /&gt;
* коллоквиум будет включать в себя теоретические вопросы и задачи&lt;br /&gt;
* список теоретических вопросов вопросов будет опубликован позже&lt;br /&gt;
* задачи будут либо близки к задачам из теоретических домашних заданий, либо простыми задачами на понимание материала (например, на построение ROC-кривой для конкретных данных, на понимание формы разделяющей поверхности для разных методов классификации, на доказательство, что функция является ядром и т.д.)&lt;br /&gt;
* на подготовку и ответ будет выделено примерно по 10 минут&lt;br /&gt;
* пользоваться при подготовке ничем нельзя&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28668</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28668"/>
		<updated>2018-09-04T22:05:44Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание&lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || Артем Филатов || Анастасия Рогачевская || || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || -- ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
=== Полезные ссылки ===&lt;br /&gt;
&lt;br /&gt;
[ Программа курса]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [http://pythontutor.ru/] - вводный курс по Python для тех, кто не знаком с языком. &lt;br /&gt;
# [https://ru.coursera.org/specializations/machine-learning-data-analysis] - специализация Яндекса и МФТИ на coursera.org.&lt;br /&gt;
# Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.&lt;br /&gt;
# Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Канал в telegram для объявлений: &amp;lt;br /&amp;gt;&lt;br /&gt;
Чат в telegram для обсуждений: &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Коллоквиум ==&lt;br /&gt;
&lt;br /&gt;
После первого модуля будет проведен устный коллоквиум. &lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Правила&#039;&#039;&#039;&lt;br /&gt;
* на коллоквиуме каждому будет выдан билет с 1 теоретическим вопрсом из списка ниже и 1 задачей&lt;br /&gt;
* список теоретических вопросов вопросов будет опубликован позже&lt;br /&gt;
* задачи будут либо близки к задачам из теоретических домашних заданий, либо простыми задачами на понимание материала (например, на построение ROC-кривой для конкретных данных, на понимание формы разделяющей поверхности для разных методов классификации, на доказательство, что функция является ядром и т.д.)&lt;br /&gt;
* на подготовку и ответ будет выделено примерно по 10 минут&lt;br /&gt;
* пользоваться при подготовке ничем нельзя&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28667</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28667"/>
		<updated>2018-09-04T21:57:42Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: /* Полезные ссылки */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание&lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || Артем Филатов || Анастасия Рогачевская || || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || -- ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
=== Полезные ссылки ===&lt;br /&gt;
&lt;br /&gt;
[ Программа курса]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [http://pythontutor.ru/] - вводный курс по Python для тех, кто не знаком с языком. &lt;br /&gt;
# [https://ru.coursera.org/specializations/machine-learning-data-analysis] - специализация Яндекса и МФТИ на coursera.org.&lt;br /&gt;
# Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.&lt;br /&gt;
# Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Канал в telegram для объявлений: &amp;lt;br /&amp;gt;&lt;br /&gt;
Чат в telegram для обсуждений:&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28666</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28666"/>
		<updated>2018-09-04T21:42:29Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: /* О курсе */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание&lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || Артем Филатов || Анастасия Рогачевская || || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || -- ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;итоговая&amp;lt;/sub&amp;gt; = 0.7 * O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; + 0.3 * О&amp;lt;sub&amp;gt;экз&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Оценка за работу в семестре вычисляется по формуле&lt;br /&gt;
&lt;br /&gt;
O&amp;lt;sub&amp;gt;накопленная&amp;lt;/sub&amp;gt; = 0.2 * O&amp;lt;sub&amp;gt;самостоятельные&amp;lt;/sub&amp;gt; + 0.6 * О&amp;lt;sub&amp;gt;дз&amp;lt;/sub&amp;gt; + 0.2 * О&amp;lt;sub&amp;gt;коллоквиум&amp;lt;/sub&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Накопленная и итоговая оценки округляются арифметически. Никакие промежуточные оценки, в том числе оценки за домашние задания, самостоятельные работы или коллоквиум, не округляются.&lt;br /&gt;
&lt;br /&gt;
Оценка за самостоятельную работу вычисляется как сумма баллов по всем самостоятельным, переведенная в 10 бальную шкалу. Оценка за домашнюю работу — как сумма баллов по всем практическим заданиям и соревнованию, переведенная в 10 бальную шкалу.  Количество баллов за разные задания может различаться в зависимости от их сложности.&lt;br /&gt;
&lt;br /&gt;
По курсу возможно получение оценки автоматом без сдачи экзамена. Необходимым условием для получения автомата является накопленная оценка, равная 8 или выше.&lt;br /&gt;
&lt;br /&gt;
=== Полезные ссылки ===&lt;br /&gt;
&lt;br /&gt;
[ Программа курса]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [http://pythontutor.ru/] - вводный курс по Python для тех, кто не знаком с языком. &lt;br /&gt;
# [https://ru.coursera.org/specializations/machine-learning-data-analysis] - специализация Яндекса и МФТИ на coursera.org.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Канал в telegram для объявлений: &amp;lt;br /&amp;gt;&lt;br /&gt;
Чат в telegram для обсуждений:&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28665</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28665"/>
		<updated>2018-09-04T21:25:49Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: /* О курсе */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание&lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || Артем Филатов || Анастасия Рогачевская || || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || -- ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Правила выставления оценок ===&lt;br /&gt;
&lt;br /&gt;
В курсе предусмотрено несколько форм контроля знания:&lt;br /&gt;
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и выполнение теоретических домашних заданий&lt;br /&gt;
* Практические домашние работы на Python&lt;br /&gt;
* Соревнование по анализу данных&lt;br /&gt;
* Устный коллоквиум в конце 1-го модуля&lt;br /&gt;
* Устный экзамен&lt;br /&gt;
&lt;br /&gt;
=== Полезные ссылки ===&lt;br /&gt;
&lt;br /&gt;
[ Программа курса]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [http://pythontutor.ru/] - вводный курс по Python для тех, кто не знаком с языком. &lt;br /&gt;
# [https://ru.coursera.org/specializations/machine-learning-data-analysis] - специализация Яндекса и МФТИ на coursera.org.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Канал в telegram для объявлений: &amp;lt;br /&amp;gt;&lt;br /&gt;
Чат в telegram для обсуждений:&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28664</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28664"/>
		<updated>2018-09-04T21:14:36Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: /* О курсе */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Семинары ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Группа !! Преподаватель !! Учебный ассистент !! Чат !! Расписание&lt;br /&gt;
|-&lt;br /&gt;
| 4 курс эконома || [https://www.hse.ru/staff/bbd Борис Демешев] || Анастасия Максимовская || || пятница 10:30, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-1  || Артем Филатов || Анастасия Рогачевская || || пятница 10:30, ауд. 3317&lt;br /&gt;
|-&lt;br /&gt;
| 3 курс эконома-2 || [https://www.hse.ru/org/persons/65841825 Артур Петросян] || -- ||  || суббота 9:00, ауд. 3316&lt;br /&gt;
|-&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
=== Полезные ссылки ===&lt;br /&gt;
&lt;br /&gt;
[ Программа курса]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [http://pythontutor.ru/] - вводный курс по Python для тех, кто не знаком с языком. &lt;br /&gt;
# [https://ru.coursera.org/specializations/machine-learning-data-analysis] - специализация Яндекса и МФТИ на coursera.org.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Канал в telegram для объявлений: &amp;lt;br /&amp;gt;&lt;br /&gt;
Чат в telegram для обсуждений:&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28663</id>
		<title>Машинное обучение (ФЭН)</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)&amp;diff=28663"/>
		<updated>2018-09-04T21:01:13Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: Новая страница: «== О курсе ==  &amp;#039;&amp;#039;&amp;#039;Преподаватели:&amp;#039;&amp;#039;&amp;#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары…»&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== О курсе ==&lt;br /&gt;
&lt;br /&gt;
&#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; Читает лекции Кантонистова Елена Олеговна, ведут семинары Демешев Борис Борисович, Филатов Артем Андреевич и Петросян Артур Тигранович. &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Лекции проходят по пятницам, 12:10 - 13:30, ауд. 5214.&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Полезные ссылки ===&lt;br /&gt;
&lt;br /&gt;
[ Программа курса]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [https://github.com/esokolov/ml-course-hse Репозиторий на GitHub с конспектами лекций Евгения Соколова]&amp;lt;br /&amp;gt;&lt;br /&gt;
# [http://pythontutor.ru/] - вводный курс по Python для тех, кто не знаком с языком. &lt;br /&gt;
# [https://ru.coursera.org/specializations/machine-learning-data-analysis] - специализация Яндекса и МФТИ на coursera.org.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Канал в telegram для объявлений: &amp;lt;br /&amp;gt;&lt;br /&gt;
Чат в telegram для обсуждений:&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
	<entry>
		<id>https://wiki.cs.hse.ru/index.php?title=%D0%9E_%D1%84%D0%B0%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D0%B5%D1%82%D0%B5&amp;diff=28662</id>
		<title>О факультете</title>
		<link rel="alternate" type="text/html" href="https://wiki.cs.hse.ru/index.php?title=%D0%9E_%D1%84%D0%B0%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D0%B5%D1%82%D0%B5&amp;diff=28662"/>
		<updated>2018-09-04T20:43:06Z</updated>

		<summary type="html">&lt;p&gt;РђРЅР°СЃС‚Р°СЃРёСЏ: /* 1 семестр */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;__NOTOC__ &lt;br /&gt;
&lt;br /&gt;
== Учебные курсы факультета компьютерных наук==&lt;br /&gt;
=== Курсы за 2018/19 учебный год ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! 1 курс !! 2 курс !! 3 курс !! 4 курс  !! майноры и факультативы&lt;br /&gt;
|-&lt;br /&gt;
|&lt;br /&gt;
&lt;br /&gt;
[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Discrete Mathematics DSBA |Discrete Mathematics DSBA]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
||&lt;br /&gt;
&lt;br /&gt;
[[Теория_вероятностей_2018/2019_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Теория_вероятностей_2018/2019_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[DM2-pilot2018/2019 | Дискретная математика-2 на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[DM2-basic2018/2019 | Дискретная математика-2 на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
||&lt;br /&gt;
&lt;br /&gt;
[[Машинное_обучение_1 | Машинное обучение 1 на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Theory_of_Computing_2018_2019 | Theory of Computing, AMI]]&lt;br /&gt;
&lt;br /&gt;
||&lt;br /&gt;
&lt;br /&gt;
[[Statistical_learning_theory_2018_2019 | Introduction to statistical learning theory]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Анализ_неструктурированных_данных-2018 |Анализ неструктурированных данных ]]&lt;br /&gt;
||&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==&lt;br /&gt;
&lt;br /&gt;
=== 1 семестр ===&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Дисциплина !! Образовательная программа !! Курс !! Модули &lt;br /&gt;
|-&lt;br /&gt;
|&lt;br /&gt;
&lt;br /&gt;
[[Основы анализа данных в международных отношениях 2018/2019|Основы анализа данных в международных отношениях]]&lt;br /&gt;
&lt;br /&gt;
[[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]]&lt;br /&gt;
&lt;br /&gt;
[[Цифровая грамотность(востоковедение)|Цифровая грамотность]]&lt;br /&gt;
&lt;br /&gt;
[[Разработка управленческих решений в маркетинге | Разработка управленческих решений в маркетинге]]&lt;br /&gt;
&lt;br /&gt;
[[Информационные технологии в деятельности юриста_2018-2019| Информационные технологии в деятельности юриста]]&lt;br /&gt;
&lt;br /&gt;
[[Машинное обучение на матфаке 2018/2019| Машинное обучение]]&lt;br /&gt;
&lt;br /&gt;
[[ПМСАР-2| Методы анализа больших данных в исследованиях поведения покупателей]]&lt;br /&gt;
&lt;br /&gt;
[[Анализ данных в Python (Политологи 1 семестр 1-2 модули)|Анализ данных в Python]]&lt;br /&gt;
&lt;br /&gt;
[[Основы анализа и визуализации данных для медиа (Журналисты 1 семестр 1 модуль)|Основы анализа и визуализации данных для медиа]]&lt;br /&gt;
&lt;br /&gt;
[[Программирование_(python)_для_лингвистов|Программирование (Python) для лингвистов]]&lt;br /&gt;
&lt;br /&gt;
[[Введение в анализ текстов на Python для ФГН 2018|Введение в анализ текстов на Python для ФГН 2018]]&lt;br /&gt;
&lt;br /&gt;
[[Машинное обучение (ФЭН)]]&lt;br /&gt;
&lt;br /&gt;
||&lt;br /&gt;
&lt;br /&gt;
Международные отношения&lt;br /&gt;
&lt;br /&gt;
Фундаментальная и компьютерная лингвистика&lt;br /&gt;
&lt;br /&gt;
Востоковедение&lt;br /&gt;
&lt;br /&gt;
Маркетинг и рыночная аналитика&lt;br /&gt;
&lt;br /&gt;
Юриспруденция&lt;br /&gt;
&lt;br /&gt;
Факультет математики&lt;br /&gt;
&lt;br /&gt;
Прикладные методы социального анализа рынков&lt;br /&gt;
&lt;br /&gt;
Политология&lt;br /&gt;
&lt;br /&gt;
Журналистика&lt;br /&gt;
&lt;br /&gt;
Фундаментальная и компьютерная лингвистика&lt;br /&gt;
&lt;br /&gt;
Фундаментальная и компьютерная лингвистика&lt;br /&gt;
&lt;br /&gt;
Факультет экономических наук&lt;br /&gt;
&lt;br /&gt;
||&lt;br /&gt;
&lt;br /&gt;
2 курс&lt;br /&gt;
&lt;br /&gt;
1 курс&lt;br /&gt;
&lt;br /&gt;
1 курс&lt;br /&gt;
&lt;br /&gt;
2 курс&lt;br /&gt;
&lt;br /&gt;
1 курс&lt;br /&gt;
&lt;br /&gt;
2-4 курсы&lt;br /&gt;
&lt;br /&gt;
2 г.о.&lt;br /&gt;
&lt;br /&gt;
4 курс&lt;br /&gt;
&lt;br /&gt;
4 курс&lt;br /&gt;
&lt;br /&gt;
4 курс&lt;br /&gt;
&lt;br /&gt;
3 курс&lt;br /&gt;
&lt;br /&gt;
3-4 курсы&lt;br /&gt;
&lt;br /&gt;
||&lt;br /&gt;
&lt;br /&gt;
1-2 модули&lt;br /&gt;
&lt;br /&gt;
1-4 модули&lt;br /&gt;
&lt;br /&gt;
1 модуль&lt;br /&gt;
&lt;br /&gt;
1-2 модули&lt;br /&gt;
&lt;br /&gt;
2 модуль&lt;br /&gt;
&lt;br /&gt;
1-2 модули&lt;br /&gt;
&lt;br /&gt;
1-2 модули&lt;br /&gt;
&lt;br /&gt;
1-2 модули&lt;br /&gt;
&lt;br /&gt;
1 модуль&lt;br /&gt;
&lt;br /&gt;
1-3 модули&lt;br /&gt;
&lt;br /&gt;
1, 2, 4 модули&lt;br /&gt;
&lt;br /&gt;
1-2 модули&lt;br /&gt;
&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
== Архив ==&lt;br /&gt;
&lt;br /&gt;
=== Курсы за 2017/18 учебный год ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! 1 курс !! 2 курс !! 3 курс !! 4 курс  !! майноры и факультативы&lt;br /&gt;
|-&lt;br /&gt;
|&lt;br /&gt;
&lt;br /&gt;
[[Математический_анализ_на_ПМИ_2017/2018_(пилотный_поток) | Математический анализ на ПМИ 2017/2018 (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Математический_анализ_на_ПМИ_2017/2018_(основной_поток) | Математический анализ на ПМИ 2017/2018 (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(пилотный_поток,_1_модуль) | Основы и методология программирования на ПМИ 2017/2018 (пилотный поток, 1 модуль)]]&lt;br /&gt;
&lt;br /&gt;
[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_2_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 2 модуль)]]&lt;br /&gt;
&lt;br /&gt;
[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_3_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 3 модуль)]]&lt;br /&gt;
&lt;br /&gt;
[[Алгоритмы_и_структуры_данных_на_ПМИ_2017/2018_(основной_поток) | Алгоритмы и структуры данных на ПМИ 2017/2018 (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Дискретная_математика_1_2017/2018 | Дискретная математика-1 на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Алгоритмы и структуры данных 1  | Алгоритмы и структуры данных – 1 (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Алгебра_на_ПМИ_2017/2018 | Алгебра на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[http://hsealgebra18.wikidot.com Алгебра на ПИ]&lt;br /&gt;
&lt;br /&gt;
||&lt;br /&gt;
[[Теория_вероятностей_2017/2018_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Теория_вероятностей_2017/2018_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Математический анализ-3 на ПМИ_2017/2018_(основной_поток) | Математический анализ-2 на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Математический анализ на ПМИ_2017/2018 | Математический анализ-3 на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[DM2-pilot2017/2018 | Дискретная математика-2 на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[DM_2_2017_2018 | Дискретная математика-2 на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Алгоритмы и структуры данных_2_2017/2018 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Дифференциальные уравнения (2 курс, 2017/2018)| Дифференциальные уравнения]]&lt;br /&gt;
&lt;br /&gt;
||&lt;br /&gt;
[[Машинное_обучение_1/2017_2018 | Машинное обучение 1 на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Численные_методы_2017 | Численные методы]]&lt;br /&gt;
&lt;br /&gt;
[[Statistics of Stochastic Processes|Статистика случайных процессов 2018]] &lt;br /&gt;
&lt;br /&gt;
[[Прикладная_статистика_в_машинном_обучении | Прикладная статистика в машинном обучении]]&lt;br /&gt;
&lt;br /&gt;
[[Theory_of_Computing | Theory of Computing, AMI]]&lt;br /&gt;
&lt;br /&gt;
[[Statistical_learning_theory | Introduction to statistical learning theory]]&lt;br /&gt;
&lt;br /&gt;
[[Основные_методы_анализа_данных_(специализация_АДИС) | Основные методы анализа данных на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Параллельные и распределенные вычисления 2017 | Параллельные и распределенные вычисления]]&lt;br /&gt;
&lt;br /&gt;
[[Анализ неструктурированных данных]]&lt;br /&gt;
&lt;br /&gt;
[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]&lt;br /&gt;
&lt;br /&gt;
[[НИС_Распределенные_системы_(3_курс,_2017) | НИС Распределенные системы]]&lt;br /&gt;
&lt;br /&gt;
[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]&lt;br /&gt;
&lt;br /&gt;
[[Непрерывная_оптимизация | Непрерывная оптимизация]]&lt;br /&gt;
&lt;br /&gt;
[[ Сложность_и_логика|  Сложность вычислений и логика в теоретической информатике]]&lt;br /&gt;
&lt;br /&gt;
[[Data_analysis_(Software_Engineering)_2018 | Data Analysis на ПИ]]&lt;br /&gt;
&lt;br /&gt;
[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]&lt;br /&gt;
&lt;br /&gt;
[http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных Машинное обучение на больших данных]&lt;br /&gt;
&lt;br /&gt;
[[Дискретная_оптимизация | Дискретная оптимизация]]&lt;br /&gt;
&lt;br /&gt;
||&lt;br /&gt;
&lt;br /&gt;
[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]&lt;br /&gt;
&lt;br /&gt;
[[Философия_науки_2017 | Философия науки]]&lt;br /&gt;
&lt;br /&gt;
[[НИС_Распределенные_системы_(4_курс,_2017) | НИС Распределенные системы]]&lt;br /&gt;
&lt;br /&gt;
[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]&lt;br /&gt;
&lt;br /&gt;
[[Анализ неструктурированных данных]]&lt;br /&gt;
&lt;br /&gt;
[[Байесовские методы машинного обучения 2017 | Байесовские методы машинного обучения]]&lt;br /&gt;
&lt;br /&gt;
[[Функциональное программирование 2018 | Функциональное программирование]]&lt;br /&gt;
&lt;br /&gt;
[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]&lt;br /&gt;
&lt;br /&gt;
||&lt;br /&gt;
&lt;br /&gt;
[[Современные методы машинного обучения (курс майнора) 2017/2018]]&lt;br /&gt;
&lt;br /&gt;
[[Введение в программирование (курс майнора) 2017/2018]]&lt;br /&gt;
&lt;br /&gt;
[[Майнор Интеллектуальный анализ данных/Введение в анализ данных | Введение в анализ данных (курс майнора)]]&lt;br /&gt;
&lt;br /&gt;
[[Прикладные задачи анализа данных (майнор - весна 2018)]]&lt;br /&gt;
&lt;br /&gt;
[[Маго-лего &amp;quot;Линейная алгебра в приложениях&amp;quot; весна 2018 | Линейная алгебра в приложениях (маго-лего)]]&lt;br /&gt;
&lt;br /&gt;
[[Функциональный анализ 2017/18 | Функциональный анализ на ПМИ (факультатив)]]&lt;br /&gt;
&lt;br /&gt;
[[Дополнительные главы теории вероятностей и математической статистики (факультативы) | Дополнительные главы теории вероятностей и математической статистики (факультативы)]]&lt;br /&gt;
&lt;br /&gt;
[[Дополнительные главы дискретной математики 2017/18 | Дополнительные главы дискретной математики (факультатив)]]&lt;br /&gt;
&lt;br /&gt;
[[Цифровые технологии в гуманитарных науках]]&lt;br /&gt;
&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==&lt;br /&gt;
&lt;br /&gt;
=== 2 семестр ===&lt;br /&gt;
&lt;br /&gt;
[[Цифровая_грамотность_2018_(2_семестр)|Цифровая грамотность (факультет гуманитарных наук — 2 семестр: ИЯМК, Филология, История искусств, Культурология, 1 курс)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[[Научно-исследовательский семинар (ФСН) |Научно-исследовательский семинар (ОП &amp;quot;Политология&amp;quot;, 1 курс)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[[Introduction_to_Data_Culture|Introduction to Data Culture (HSE and University of London Parallel Degree Programme in International Relations, 1 year)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[[ИИ_и_БД|Искусственный интеллект и большие данные (ОП &amp;quot;Дизайн&amp;quot;, &amp;quot;Мода&amp;quot;, 1 курс)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[[Программирование_(python)_для_лингвистов|Компьютерная лингвистика и информационные технологии (ОП &amp;quot;Фундаментальная и компьютерная лингвистика&amp;quot;, 4 курс, 2 семестр)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[[Основы анализа данных в международных отношениях|Основы анализа данных в международных отношениях (ОП &amp;quot;Международные отношения&amp;quot;, 2 курс, 4 модуль)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[[Введение в data science (2_семестр)|Профориентационный семинар (блок по введению в data scicence) (Факультет социальных наук — 2 семестр: Социология, 1 курс)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[[Введение в Data Science| Введение в Data Science (ФБиМ, 4 модуль)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== 1 семестр ===&lt;br /&gt;
&lt;br /&gt;
[[Цифровая_грамотность|Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[[Машинное обучение (факультет экономических наук)|Машинное обучение (факультет экономических наук)]] &amp;lt;br /&amp;gt;&lt;br /&gt;
[[Программирование (python) для лингвистов | Программирование (python) для лингвистов (факультет гуманитарных наук)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[[Извлечение и анализ интернет-данных | Извлечение и анализ интернет-данных (факультет экономических наук)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[[Анализ больших данных в социальных науках (ФСН, 2017) | Анализ больших данных в социальных науках (ФСН, 2017)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[[Информационные_технологии_в_деятельности_юриста|Информационные технологии в деятельности юриста (Факультет права)]] &amp;lt;br /&amp;gt;&lt;br /&gt;
[[Машинное_обучение_для_лингвистов|Машинное обучение (магистратура Школы лингвистики)]] &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Курсы магистратуры Финансовые технологии и анализ данных ==&lt;br /&gt;
&lt;br /&gt;
[[Вероятностные_модели_и_прикладная_статистика_в_финансовой_математике|Вероятностные модели и прикладная статистика в финансовой математике]] &amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Курсы за 2016/17 учебный год ===&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! 1 курс !! 2 курс !! 3-4 курс !! майноры&lt;br /&gt;
|-&lt;br /&gt;
|&lt;br /&gt;
&lt;br /&gt;
[[Математический анализ на ПМИ_2016/2017 | Математический анализ на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Линейная алгебра и геометрия_2016/2017 | Линейная алгебра и геометрия на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Дискретная_математика_1_2016/2017 | Дискретная математика-1 на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Основы и методология программирования_2016/2017_пилотный_поток | Основы и методология программирования на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Основы и методология программирования_2016/2017 | Основы и методология программирования на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Алгоритмы_и_структуры_данных_на_ПМИ_(пилотный_поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Алгоритмы_и_структуры_данных_на_ПМИ_(основной_поток) | Алгоритмы и структуры данных на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Алгебра_на_ПМИ_2016/2017 | Алгебра на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[http://hsealgebra17.wikidot.com/ Алгебра на ПИ]&lt;br /&gt;
&lt;br /&gt;
|| &lt;br /&gt;
&lt;br /&gt;
[[Математический анализ_2016/2017 | Математический анализ-3 на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Математически_анализ_3_на_ПМИ_(пилотный_поток) | Математический анализ-3 на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[DM_2_2016_2017 | Дискретная математика-2 на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Дискретная математика_2_2016/2017 | Дискретная математика-2 на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Алгоритмы и структуры данных_2_2016/2017 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Теория вероятностей_2016/2017 | Теория вероятностей на ПМИ (основной поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Теория_вероятностей_2016/2017_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы]]&lt;br /&gt;
&lt;br /&gt;
[[Факультатив_теория_вычислений_2016/2017 | Факультатив теория вычислений на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Дополнительные_главы_теории_вероятностей_(факультатив,_2017) | Дополнительные главы теории вероятностей (факультатив)]]&lt;br /&gt;
&lt;br /&gt;
[[Дифференциальные_уравнения_(2_курс,_2016/2017) | Дифференциальные уравнения]]&lt;br /&gt;
&lt;br /&gt;
[[Математическая_статистика_2016/2017_(пилотный_поток) | Математическая статистика на ПМИ (пилотный поток)]]&lt;br /&gt;
&lt;br /&gt;
[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы ]]&lt;br /&gt;
&lt;br /&gt;
|| &lt;br /&gt;
&lt;br /&gt;
[[НИС_Машинное_обучение_и_приложения_2016/2017 | НИС Машинное обучение и приложения на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Машинное_обучение_1/2016_2017 | Машинное обучение 1 на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Машинное_обучение_2/2016_2017 | Машинное обучение 2 на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Прикладной_статистический_анализ_данных | Прикладной статистический анализ данных на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Численные_методы_в_анализе_данных | Численные методы в анализе данных на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[http://www.machinelearning.ru/wiki/index.php?title=Статистика_случайных_процессов_(курс_лекций,_ФКН_ВШЭ) Вероятностные модели и статистика случайных процессов на ПМИ]&lt;br /&gt;
&lt;br /&gt;
[http://www.machinelearning.ru/wiki/index.php?title=Opt Методы оптимизации на ПМИ (специализации МОП и РС)]&lt;br /&gt;
&lt;br /&gt;
[[Методы_оптимизации_(весна_2017)|Методы оптимизации 2 (дискретная оптимизация)]]&lt;br /&gt;
&lt;br /&gt;
[[НИС_Распределенные_системы_(осень_2016) | НИС Распределенные системы]]&lt;br /&gt;
&lt;br /&gt;
[[Анализ и верификация алгоритмов биржевой торговли | Анализ и верификация алгоритмов для систем биржевой торговли ]]&lt;br /&gt;
&lt;br /&gt;
[[Программирование_на_графических_процессорах | Программирование на графических процессорах]]&lt;br /&gt;
&lt;br /&gt;
[[ЯРПО | Языки разработки ПО (курс по выбору) на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
[[Data analysis (Software Engineering) 2017 | Data analysis  на ПИ]]&lt;br /&gt;
&lt;br /&gt;
[[Базы данных 2 | Базы данных 2 ]]&lt;br /&gt;
&lt;br /&gt;
[[Компьютерные сети 2 | Компьютерные сети 2]]&lt;br /&gt;
&lt;br /&gt;
[[Машинное_обучение_на_больших_данных | Машинное обучение на больших данных на ПМИ]]&lt;br /&gt;
&lt;br /&gt;
||&lt;br /&gt;
&lt;br /&gt;
[[Современные_методы_машинного_обучения_(курс_майнора) | Современные методы машинного обучения (курс майнора)]]&lt;br /&gt;
&lt;br /&gt;
[[Майнор_Интеллектуальный_анализ_данных/Введение_в_программирование_2016/2017 | Введение в программирование (курс майнора)]]&lt;br /&gt;
&lt;br /&gt;
[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2016-2017 | Введение в анализ данных (курс майнора)]]&lt;br /&gt;
&lt;br /&gt;
[[Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных| Прикладные задачи анализа данных (курс майнора)]]&lt;br /&gt;
&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
{|width=100%&lt;br /&gt;
|style=&amp;quot;vertical-align:top;&amp;quot;|&lt;br /&gt;
&lt;br /&gt;
&amp;lt;!-- Первая колонка --&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Курсы за 2015/16 учебный год ===&lt;br /&gt;
{|&lt;br /&gt;
|-&lt;br /&gt;
| [[Технологии программирования|Технологии программирования на ПМИ]]&lt;br /&gt;
|-&lt;br /&gt;
|[[ОиМП-2015|Основы и методология программирования на ПМИ]]&lt;br /&gt;
|-&lt;br /&gt;
|[[Алгоритмы и структуры данных 2016]]&lt;br /&gt;
|-&lt;br /&gt;
|[[Линейная алгебра и геометрия_2015/2016 | Линейная алгебра и геометрия на ПМИ]]&lt;br /&gt;
|-&lt;br /&gt;
|[[Алгебра_2015/2016 | Алгебра на ПМИ]]&lt;br /&gt;
|-&lt;br /&gt;
|[http://hsealgebra.wikidot.com/ Алгебра на ПИ]&lt;br /&gt;
|-&lt;br /&gt;
|[[Компьютерные системы]]&lt;br /&gt;
|-&lt;br /&gt;
|[[Математический анализ на ПМИ_2015/2016 | Математический анализ на ПМИ]]&lt;br /&gt;
|-&lt;br /&gt;
|[[Факультатив_Матпрактикум | Матпрактикум (факультатив) на ПМИ]]&lt;br /&gt;
|-&lt;br /&gt;
|[[Data analysis (Software Engineering)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
|-&lt;br /&gt;
|[[Майнор Интеллектуальный анализ данных/Введение в программирование|Введение в программирование (курс майнора) на ПМИ]]&lt;br /&gt;
|-&lt;br /&gt;
|[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2015-2016|Введение в анализ данных (курс майнора) на ПМИ]]&lt;br /&gt;
|-&lt;br /&gt;
|[[НИС Машинное обучение и приложения|НИС Машинное обучение и приложения на ПМИ]]&lt;br /&gt;
|-&lt;br /&gt;
|[[Архитектура компьютеров и системное программирование (ПМИ_4, 2015/2016)|Архитектура компьютеров и системное программирование (4 курс)]]&lt;br /&gt;
|-&lt;br /&gt;
|[[Дифференциальные уравнения (2 курс, 2015/2016)| Дифференциальные уравнения]]&lt;br /&gt;
|-&lt;br /&gt;
|[[Введение в VBA|Введение в VBA]]&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
|style=&amp;quot;vertical-align:top;&amp;quot;|&lt;br /&gt;
&lt;br /&gt;
&amp;lt;!-- Вторая колонка --&amp;gt;&lt;br /&gt;
&lt;br /&gt;
=== Курсы за 2014/15 учебный год ===&lt;br /&gt;
{|&lt;br /&gt;
|-&lt;br /&gt;
|[[Основы и методологии программирования]]&amp;lt;br /&amp;gt;&lt;br /&gt;
|-&lt;br /&gt;
|[[Алгоритмы и структуры данных 2015 | Алгоритмы и структуры данных]]&amp;lt;br /&amp;gt;&lt;br /&gt;
|-&lt;br /&gt;
|[[Анализ данных (Программная инженерия)]]&amp;lt;br /&amp;gt;&lt;br /&gt;
|-&lt;br /&gt;
|[[Алгебра_2014/2015 | Алгебра]]&amp;lt;br /&amp;gt;&lt;br /&gt;
|-&lt;br /&gt;
|[[Magolego_sna_2015| MAGoLEGO Social Network Analysis]]&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
==== Проектная работа ====&lt;br /&gt;
{|&lt;br /&gt;
|-&lt;br /&gt;
|[[Проектная работа]] &amp;lt;br /&amp;gt;&lt;br /&gt;
|-&lt;br /&gt;
|[[Учебная практика 1 курс (2016)]]&lt;br /&gt;
|-&lt;br /&gt;
|[[Проектная работа 2 курс (2016)]]&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;!-- Завершение двухколоночной таблицы --&amp;gt;&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
== Мероприятия факультета компьютерных наук ==&lt;br /&gt;
=== Summer School 2015 ===&lt;br /&gt;
[[Introduction to Natural Language Processing|Introduction to Natural Language Processing]]&lt;br /&gt;
#[[Lecture 1. Introduction|Introduction]]&lt;br /&gt;
#[[Lecture 2. Tokenization and word counts|Tokenization and word counts]]&lt;br /&gt;
#[[Lecture 3. POS tagging. Key word and phrase extraction|POS tagging. Key word and phrase extraction]]&lt;br /&gt;
#[[Lecture 4. Parsing|Parsing]]&lt;br /&gt;
#[[Lecture 5. Language sources|Language sources]]&lt;br /&gt;
#[[Lecture 6. Synonyms and near-synonyms detection|Synonyms and near-synonyms detection]]&lt;br /&gt;
#[[Lecture 8. Suffix trees for NLP|Suffix trees for NLP]]&lt;br /&gt;
#[[NLP References|References]]&lt;br /&gt;
&lt;br /&gt;
== Архив ==&lt;br /&gt;
* [[Учебная практика 1 курс (2015)]]&lt;/div&gt;</summary>
		<author><name>РђРЅР°СЃС‚Р°СЃРёСЏ</name></author>
	</entry>
</feed>