Wiki - Факультет компьютерных наук - Вклад [ru]

Машинное обучение 1/2023 2024

2018-09-04T11:18:33Z

Akiiino: добавился ассистентом

== О курсе ==

[[Файл:ML_surfaces.png|280px|borderless|left]]

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

Проводится с 2016 года.

'''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]

Лекции проходят по пятницам, 12:10 - 13:30, ауд. 317.

=== Полезные ссылки ===

[https://www.hse.ru/ba/ami/courses/219888994.html Карточка курса и программа]

[https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]

Почта для сдачи домашних заданий: hse.cs.ml+<номер группы>@gmail.com (например, hse.cs.ml+161@gmail.com)

Канал в telegram для объявлений: https://t.me/joinchat/AAAAAEprV-8gsyFBkYbvkg

Чат в telegram для обсуждений: https://t.me/joinchat/A5rlQE2eFY0LN0AWcGH3qA

[https://docs.google.com/spreadsheets/d/1u832G7b9aRyayoncaKXr7XPD6WisDr85AYRBKSVCMq0/edit?usp=sharing Таблица с оценками]

Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]

'''Вопросы''' по курсу можно задавать на почту курса, а также в телеграм лектору (esokolov@) или семинаристу.
Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде [https://github.com/esokolov/ml-course-hse/issues Issue] в [https://github.com/esokolov/ml-course-hse github-репозитории курса].

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Страница !! Расписание
|-
| 161 (МОП) || [https://www.hse.ru/org/persons/165212870 Зиннурова Эльвира Альбертовна] || || ||
|-
| 162 (МОП) || [https://www.hse.ru/org/persons/191263008 Неклюдов Кирилл Олегович] || || ||
|-
| 163 (АДИС) || [https://t.me/despairazure Кохтев Вадим Михайлович] || || ||
|-
| 164 (АДИС) || [https://www.hse.ru/org/persons/137283751 Атанов Андрей Игоревич] || || ||
|-
| 165 (РС) || [https://www.hse.ru/org/persons/209813459 Каюмов Эмиль Марселевич] || [http://t.me/akiiino Попов Никита] || ||
|-
| 166 (РС) || [https://www.hse.ru/org/persons/192085968 Яшков Даниил Дмитриевич] || || ||
|-
| Магистратура ФТиАД || [https://www.hse.ru/org/persons/191576735 Чиркова Надежда Александровна] || || ||
|-
|}

=== Консультации ===

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций
* Практические домашние работы на Python
* Контрольная работа
* Письменный экзамен

Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

Oитоговая = 0.7 * Oнакопленная + 0.3 * Оэкз

Оценка за работу в семестре вычисляется по формуле

Oнакопленная = 0.2 * Oсамостоятельные + 0.6 * Опрактические дз + 0.2 * Оконтрольная

Оценка за самостоятельную работу вычисляется как среднее по всем самостоятельным, оценка за домашнюю работу — как среднее по всем практическим заданиям и соревнованиям.

Накопленная, экзаменационная и итоговая оценки округляются арифметически.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются.

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён (при этом получить дополнительные баллы за призовые места на конкурсе можно только при участии в общий срок). Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

== Лекции ==

'''Лекция 1''' (3 сентября). Введение в машинное обучение. Основные термины, постановки задач и примеры применения. [[https://github.com/esokolov/ml-course-hse/blob/master/2018-fall/lecture-notes/lecture01-intro.pdf Конспект]]

'''Лекция 2''' (14 сентября). Линейная регрессия. Метрики качества регрессии. Градиентный спуск и способы оценивания градиента. Продвинутые градиентные методы.

'''Лекция 3''' (21 сентября). Переобучение и регуляризация. Разреженные линейные модели. Квантильная регрессия. Подготовка признаков.

'''Лекция 4''' (28 сентября). Линейная классификация. Отступ и верхние оценки на пороговую функцию потерь. Метрики качества классификации.

'''Лекция 5''' (1 октября). Линейная классификация. Логистическая регрессия и оценки вероятности классов. Метод опорных векторов.

'''Лекция 6''' (12 октября). Многоклассовая классификация, сведение к бинарным задачам. Многоклассовая логистическая регрессия. Классификация с пересекающимися классами. Метрики качества многоклассовой классификации. Категориальные признаки: хэширование и счётчики.

'''Лекция 7''' (19 октября). Решающие деревья. Жадный алгоритм построения. Выбор лучшего разбиения с помощью критерия информативности. Критерии информативности для регрессии и классификации. Учёт пропусков в деревьях. Решающие деревья и категориальные признаки.

'''Лекция 8''' (2 ноября). Бутстрап и бэггинг. Разложение ошибки на смещение и разброс (bias-variance decomposition). Случайный лес. Вычисление расстояний с помощью лесов.

'''Лекция 9''' (9 ноября). Градиентный бустинг. Регуляризация. Особенности бустинга над деревьями. Взвешивание объектов в градиентном бустинге.

'''Лекция 10''' (16 ноября). Оптимизация второго порядка в градиентном бустинге. Регуляризация деревьев. XGBoost. Стекинг.

'''Лекция 11''' (23 ноября). Графы вычислений, их обучение и метод обратного распространения ошибки. Полносвязные, свёрточные и рекуррентные слои. Возможности аппроксимации.

'''Лекция 12''' (30 ноября). Обучение без учителя. Кластеризация: метрики качества, K-Means, иерархический и графовый подходы. Визуализация, t-SNE. Обучение представлений. word2vec.

'''Лекция 13''' (7 декабря). Метод главных компонент, его связь с матричными разложениями. Рекомендательные системы: постановка задачи, коллаборативные методы, матричные разложения, контентные методы.

== Семинары ==

== Практические задания ==

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются.

==Теоретические домашние задания==

== Бонусы за соревнования ==

За успешное участие в соревнованиях по анализу данных могут быть выставлены бонусные баллы, которые можно прибавить к оценке за любое практическое или теоретическое домашнее задание, а также за самостоятельную работу. Под успешным участием понимается попадание в топ-10% мест; если соревнование особо сложное и крупное, может рассматриваться и попадание в топ-20% мест. Конкретное число баллов определяется преподавателями и зависит от сложности соревнования и занятого места. За одно соревнование можно получить не более 5 баллов. Для получения оценки необходимо предоставить краткий отчёт о решении задачи.

== Контрольная работа ==

== Экзамен ==

== Полезные материалы ==
===Книги===
* Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.
* Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.

===Курсы по машинному обучению и анализу данных===
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]

== Страницы предыдущих лет ==

[[Машинное_обучение_1/2017_2018 | 2017/2018 учебный год]]

[[Машинное_обучение_1/2016_2017 | 2016/2017 учебный год]]

НИС Машинное обучение и приложения 2017/2018

2018-01-28T08:16:11Z

Akiiino: Пофиксил сломанную ссылку

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| 3 курс: 151 || [https://t.me/hse_research_seminar_151 телеграмм]|| [https://www.hse.ru/org/persons/204848606 Арсений Ашуха], [https://www.hse.ru/org/persons/205487138 Дмитрий Молчанов] || ars.ashuha@gmail.com; dmolch111@gmail.com || понедельник 16:40, ауд. 311
|-
| 3 курс: 152|| ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева] || lobacheva.tjulja@gmail.com || понедельник 16:40, ауд. 501
|-
| 4 курс: 141 || ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева] || lobacheva.tjulja@gmail.com || понедельник 15:10, ауд. 509
|-
| 4 курс: 142 || ||[https://www.hse.ru/org/persons/165140955 Кирилл Струминский] || k.struminsky@gmail.com || понедельник 13:40, ауд. 509
|-
|}

'''[https://drive.google.com/open?id=1DW4othItuIqE1BRQM_FGOEOWKrl_h3WUrXcF_dPWvtY Расписание семинаров ]''' 
'''[https://docs.google.com/spreadsheets/d/1XwLgvhWXAwZIo3YcSINtMmIDBhFptn_xZGAaXbNE2Lo/edit?usp=sharing Таблица с планированием тем выступлений]''' 
'''[https://drive.google.com/open?id=1JfYoXbXsZWmQQ4bwyarTrzrB8EDpQL46981d9Kk74Hw Таблица с оценками]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLSdMTMRaj7fT9tMfgntW06ub3ezSDNTxUDCZ2-4QGkjwCRpCow/viewform форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма]

Вопросы и комментарии по курсу нужно отправлять своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]'''.

Формат темы письма:
* '''[НИС ФКН] Вопрос - номер группы - Фамилия Имя''' — для вопросов;
* '''[НИС ФКН] Выступление - номер группы - Фамилия Имя''' — для материалов выступления.

Пример: [НИС ФКН] Вопрос - 141 - Иванов Иван

== Краткое описание ==

Данный семинар является одной из форм организации научно-исследовательской деятельности студентов специализации “Машинное обучение и приложения”. На нём в течение года под руководством преподавателей студентам предлагается делать презентации своих исследовательских проектов, а также обзорные доклады на различные темы, связанные с машинным обучением. Семинар призван способствовать своевременному включению студентов в исследовательский процесс и расширению их научного кругозора. Его задачей также является развитие навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумаваются следующие виды деятельности студентов:
* Посещение занятий, прослушивание и обсуждение докладов.
* Выступление студентов с докладами на различные темы, связанные с машинным обучением.
* Выступления студентов с докладами по курсовым работам.
* Рецензирование докладов и курсовых работ своих одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады, проверочные работы и рецензирование ==

'''Доклады''' 
В течение года каждый студент выступает с докладами по темам, связанным с машинным обучением. Стандартная продолжительность доклада - 30 минут, то есть на одном занятии проводится два выступления. Каждый студент должен сделать два доклада за год. Так как у 4 курса учебы в 4 модуле нет, то студенты с лучшим выступлением будут освобождены от второго доклада.

Минимум за неделю до даты выступления докладчик должен прислать краткий план своего доклада преподавателю на согласование. При невыполнении этого условия преподаватель имеет право снизить оценку за соответствующий доклад. Сразу после выступления необходимо прислать свою презентацию, которая обязательно должна содержать в себе список использованной литературы и ресурсов.

Оценка за доклад складывается на 50% из оценки преподавателя и на 50% из оченки студентов (по итогам рецензирования).

'''Рецензии''' 
По каждому докладу проводится рецензирование. Одногруппники докладчика, '''присутствовавшие на занятии''', пишут короткую рецензию на выступление и оценивают его по 10-бальной шкале в форме, ссылка на которую находится в верхней части страницы.

Рецензия должна обосновывать выставленную оценку, содержать описание доклада, отрицательных и положительных сторон, а также предложения по улучшению доклада. Рецензию можно написать до 23:59 следующего после выступления дня (при текущем расписании до 23:59 вторника). Некачественные рецензии или "отписки", к примеру "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом рецензий, так и в оценку выступающего.

Есть три варианта оценки за написание рецензий на доклады: при написании больше 70% рецензий студенту ставится 10 баллов, при написании больше 50% - 5 баллов, во всех остальных случаях - ноль баллов.

'''Проверочные работы''' 
По некоторым, случайно выбранным выступлениям проводятся короткие проверочные работы на следующем занятии. Вопросы для проверочных работ составляет преподаватель, заранее они не разглашаются. При написании проверочной нельзя пользоваться никакими материалами.

== Курсовые работы и их рецензирование ==

В середине и в конце года проводится кросс-рецензирование курсовых работ студентов. Рецензия на курсовую должна быть значительно подробнее рецензий на доклады. Правила их оформления будут выложены позднее. Так как у 4 курса нет занятий в 4 модуле, кросс-рецензирование ВКР проводится только в середине года.

У третьего курса в конце года будет проведена предзащита курсовых работ.

'''Первое кросс-рецензирование 3 курса.''' 
До конца января вам нужно сдать план курсовой работы. План это документ не менее 4-5 страниц (НЕ включая титульный лист, оглавление и абстракт), который является первым вариантом вашей курсовой работы. Он должен быть оформлен как курсовая работа (см. правила по ссылке ниже). Некоторые пункты уже должны быть полностью выполнены (введение, обзор литературы), некоторые только отражать дальнейшие планы (план экспериментов). При написании плана стоит ориентироваться на Приложение 5 правил. Также в нем должны быть подробно отражены следующие моменты:
* Задача решаемая в проекте -- если это исследовательский проект то цель исследования, если программный проект то описание функционала программы которую планируется написать.
* Обзор литературы -- текущее состояние области; если это исследование -- то позиционирование вашей работы относительно других современных работ (к примеру : мы “лучше” чем работа [1] по тому-то, мы исследуем дополнительно случай который не исследуется в [2]), если это программный проект, то описание похожих программных решений и почему их нельзя использовать для решения поставленной задачи.
* План дальнейшей работы -- для исследовательского проекта это описание исследуемых моделей и методов, конкретный план проводимых экспериментов. Для программного проекта -- декомпозиция его на конкретные составляющие, и план их реализации.

План необходимо согласовать с научным руководителем.
Все формальные требования насчет курсовой работы можно найти по [https://goo.gl/bUvnJJ ссылке]

Если вы выполняете групповой проект в качестве курсовой, то вам нужно сдавать один текст на группу, однако в нем должно быть четко отражено кто что сделал и собирается сделать дальше. Также объем текста должен быть больше - около 4-5 страниц + по 2-3 страницы на каждого дополнительного участника. Если в вашем проекте есть участники не из 151 и 152 групп, то вам нужно в своем плане прописать общую часть проекта и ваши части, а про часть участников из других групп просто написать что она есть и, если это важно для понимания общего формата проекта, написать в паре предложений в чем она заключается.

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Общая структура рецензии такая же, как и для рецензий докладов; объем -- половина/целая страница А4. Люди, не сдавшие план вовремя, не будут участвовать в кросс-рецензировании и не смогут получить за него баллы.

'''Дедлайны:''' 
Сдача плана курсовой: '''23:59 4 февраля''' 
Сдача рецензий: '''23:59 11 февраля'''

Планы и рецензии нужно будет загружать в специальную системы, подробности будут чуть позже.

== Система выставления оценок для 3 курса ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.25 * О_проверочные + 0.3 * О_доклады + 0.2 * О_рецензии + 0.1 * О_предзащита + 0.15 * О_кросс

* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_доклады - суммарная оценка по двум научным выступлениям,
* О_рецензии - оценка за написание рецензий на доклады,
* О_предзащита - оценка за выступление на предзащите,
* О_кросс - оценка за написание рецензий для кросс-рецензирования курсовых.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

== Система выставления оценок для 4 курса ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.3 * О_проверочные + 0.4 * О_доклады + 0.2 * О_рецензии + 0.1 * О_кросс

* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_доклады - суммарная оценка по двум научным выступлениям,
* О_рецензии - оценка за написание рецензий на доклады,
* О_кросс - оценка за написание рецензий для кросс-рецензирования ВКР.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

Ask me (семинар)

2017-01-29T19:41:19Z

Akiiino: /* Разбор статьи */

Описание [[Ask_me_(проект)|проекта]], последнее [[Ask_me_(семинар)#.D0.A1.D0.B5.D0.BC.D0.B8.D0.BD.D0.B0.D1.80.D1.8B|занятие]].

==Правила игры ==
* '''Ментор:''' [[Участник:Simagin.denis|Симагин Денис]].
* '''Место:''' офис Яндекса ([https://maps.yandex.ru/213/moscow/?ll=37.590150%2C55.734065&z=18&l=stv%2Csta&panorama%5Bpoint%5D=37.589416%2C55.733747&panorama%5Bdirection%5D=40.412258%2C-11.910596&panorama%5Bspan%5D=130.000000%2C52.209677 место встречи])
* '''Время:''' c 10:00, каждый четверг.

Общение с ментором вне занятий приветствуется. Можно задавать вопросы, в том числе философские. Но перед тем, как написать, попробуйте спросить это у [https://ya.ru Яндекса]. Также не обижайтесь, если в ответ вам пришла ссылка на документацию или какую-то статью.

===Ключевые точки===
Сверху нам спущены ключевые точки выполнения проекта. Для нас они скорее явлются формальными, тем не менее мы должны их соблюдать.
# '''12-17 декабря''' - все включились в работу
# '''20-25 марта''' - реализован объем работ, необходимый для зачета
# '''30 мая - 3 июня''' - окончание проектной работы, вы готовы, как пионеры.
# '''начало июня''' - конкурс проектов.

===Правило 2Х===
У вас есть право на одну ошибку. Следующая - я отказываюсь с вами работать.

===Репозитории===
Студенты хранят свой код в следующих репозиториях
{| class="wikitable"
|-
|Ментор || https://github.com/dasimagin/askme
|-
| Когтенков || https://github.com/aakogtenkov/Ask-me-if-you-can
|-
|Остяков || https://github.com/PavelOstyakov/askme
|-
|Рябинин || https://github.com/mryab/askme
|-
|Попов || https://github.com/Akiiino/Ask-Me-Anything
|-
|Ширин || https://github.com/shirinnikita/ask_me
|}

===Разбор статьи===
В рамках проекта студент должен разобрать интересную для него статью и доложить ее на общем семинаре.

{| class="wikitable"
|-
! Студент !! Статья !! Дата
|-
|Когтенков || [https://papers.nips.cc/paper/5654-deep-knowledge-tracing.pdf Deep Knowledge Tracing] || -
|-
|Остяков || [https://arxiv.org/pdf/1612.07411v1.pdf A Context-aware Attention Network for Interactive Question Answering] || -
|-
|Рябинин || [https://arxiv.org/abs/1609.08144 Google's Neural Machine Translation System: Bridging the Gap between Human and Machine Translation] || -
|-
|Попов || [https://arxiv.org/pdf/1701.04189.pdf Deep Memory Networks for Attitude Identification] || -
|-
|Ширин || [https://arxiv.org/abs/1506.06714 Context-Sensitive Generation of Conversational Responses] || -
|}

===Лабораторные===
Лабораторные проводятся для практического закрепления материала. Их выполнение учитывается в итоговой оценке.

# Результатом работы является jupyter notebook, где сохранен вывод вашего кода, графики и т.п. А так же его импорт в формат .py. Для автоматизации процесса можно настроить jupyter.
# Когда сроки выполнения лабораторной завершены, вы выкладываете ее на ревью, создавая соответствующее задание и запрос на объединение ветки с мастером (не забудьте добавить проверяющего).
# Ваш коллега проводит ревью кода и может оставлять замечания, как в виде комментариев к заданию, так и в файле .py. Оно предполагает проверку стиля и правильность кода, а также конструктивные замечания по производительности. Однако не стремитесь сразу оптимизировать код. Добейтесь лучше того, чтобы все работало правильно.
# Когда ревью завершено, влейтесь в мастер и закройте задание.

===Результаты===
Текущие результаты можно найти [https://docs.google.com/spreadsheets/d/1gO6nHbLqMeLRXAa5Mubpfoc_-gk9DWCJ4mmnV_xaeig/edit?usp=sharing здесь]. Оценка складывается из нескольких частей:
# Работа на семинаре
# Доклад статьи
# Итоговый результат

==Семинары==

===S09.02, 16.02, 23.02, 02.03, 09.03 ===
Рассказ статей
===S02.02===
Разбор статьи
===S26.01===
Сети с внимание и длинной памятью
===S19.01===
LSTM, GRU сети, машинный перевод
===H11.01===
Произвели разбор L3. Описание модели победителя можно найти [здесь], а baseline доступен [https://github.com/dasimagin/askme/blob/master/labs/L3%20-%20Baseline.ipynb здесь].

Доклады мне не очень понравились. Постараюсь написать общие замечания.
# Прежде всего у докладчика должна быть хорошая речь.
# Нужно выделить то, что действительно важно и интересно для слушателя.
# Делать на доске четкие и простые рисунки и записи, убедиться, что аудитория тебя понимает.
# Не прыгать с темы на тему, а идти в соответсвии с логическим планом.

===S15.12===
Поговорили про векторное представление слов, word2vec и другие сверточные сети для работы с естественными языками.

===H11.12===
Занятие было посвящено выполнению второй лабораторной. Интересный ноутбук скоро появится [здесь].

===S08.12===
'''1. Известные архитектуры сверточных сетей'''
* [https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf Alexnet]
* [https://arxiv.org/pdf/1409.1556.pdf VGG net]
* [https://arxiv.org/pdf/1409.4842v1.pdf GoogLeNet]
* [https://arxiv.org/pdf/1512.03385.pdf ResNet]
'''2. Поговорили:'''
* На что активируются нейроны в зависимости от слоя
* Генерация 'похожих картинок'
* Послойное обучение сети
* Переобучение или дообучение уже готовой сети
'''3. Изучили примеры для библиотеки Keras'''
* [https://github.com/fchollet/keras/blob/master/examples/mnist_mlp.py Полносвязанная сеть]
* [https://github.com/fchollet/keras/blob/master/examples/mnist_cnn.py Сверточная сеть ]
* [https://github.com/fchollet/keras/blob/master/examples/mnist_transfer_cnn.py Переобучение] сверточной сети

===L3===
{| class="wikitable"
|-
! Студент !! CPU !! RAM !! GPU
|-
| Пример || 6 core, 3,5 GHz || 64GB || NVIDIA TITAN X
|-
|Рябинин || 4 core, 3.5 GHz || 16 GB || Nvidia GeForce GTX 1070
|-
| Попов || 4 core, 3.2 GHz || 8 GB || GeForce GTX 750 Ti
|-
| Остяков || 8 core, 2,6 GHz || 50 GB || -
|-
| Когтенков || 2 core, 1.4 GHz || 4 GB || -
|-
| Ширин || 2 core, 1.9 GHz || 8 GB || -
|}

Победить в [https://inclass.kaggle.com/c/ch-ch конкурсе] классификации, срок 3 января, 23:59.

Для этого вам понадобится
* Установить [https://www.tensorflow.org Tensorflow]
* Установить [https://keras.io Keras]
* Запастись терпением

===S01.12===
'''1. Полносвязанные сети:'''
* Подсчитаны производные для [https://en.wikipedia.org/wiki/Backpropagation Backpropagation], обсуждены тонкости реализации.
* Различные виды нелинейности: [https://en.wikipedia.org/wiki/Rectifier_(neural_networks) ReLu], [https://arxiv.org/pdf/1502.01852v1.pdf PReLu], [https://en.wikipedia.org/wiki/Sigmoid_function Sigmoid].
* Обучение сетей при помощи [https://en.wikipedia.org/wiki/Autoencoder Autoencoder].

'''2. Сверточные сети:'''
* Cтруктура [https://en.wikipedia.org/wiki/Convolutional_neural_network CNN].
* Затронуты: [https://en.wikipedia.org/wiki/Convolution Convolution], [https://en.wikipedia.org/wiki/Convolutional_neural_network#Pooling_layer Pooling].
* Влияние различных ядер свертки на структуру сети.
* [https://en.wikipedia.org/wiki/Convolutional_neural_network#Choosing_hyperparameters Feature maps].
* Разобрана архитектура [https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf Alexnet].
* Сочетание из Convolutional и Dense слоев.

===S24.11===
'''1. Регуляризация:'''
* Разобрали L1 и L2 регуляризаторы, можно найти [https://en.wikipedia.org/wiki/Regularization_(mathematics) здесь].
* Используйте простые классификаторы
* Раняя остановка (смотрим качество на отложенном множестве)
* Добавление шума
* Комбинирование классификаторов

'''2. Полносвязанные сети:'''
* Множественная классификация и [https://en.wikipedia.org/wiki/Softmax_function softmax].
* Метод [http://www.machinelearning.ru/wiki/images/0/0f/karpinskaya-2010.pdf обратного распространения ошибки], проблема при обучении.
* Инициализация весов: и [http://jmlr.org/proceedings/papers/v9/glorot10a/glorot10a.pdf xavier] и другие [https://arxiv.org/pdf/1502.01852v1.pdf вариации].
* Кратко о [https://en.wikipedia.org/wiki/Convolutional_neural_network#Dropout dropout].

===L2===

Задание можно найти [https://github.com/dasimagin/askme/blob/master/labs/L2%20-%20Nets.ipynb здесь], срок 23:59 11 декабря.

===S03.11===
# [https://en.wikipedia.org/wiki/Feature_(machine_learning) Признаки] и какие они бывают. Об отборе признаков, кратко [https://habrahabr.ru/post/264915/ тут]. Может помочь на конкурсе.
# Задача [http://www.machinelearning.ru/wiki/index.php?title=Линейный_классификатор бинарной классификации].
# [http://www.machinelearning.ru/wiki/index.php?title=Метод_градиентного_спуска Градиентный спуск].
# [http://www.machinelearning.ru/wiki/index.php?title=Метод_стохастического_градиента Стохастический градиентный спуск]. На английской [https://en.wikipedia.org/wiki/Stochastic_gradient_descent вике] больше интересной информации.

'''Для дополнительного чтения:'''
# [https://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf Что полезно знать о машинном обучении].
# [https://en.wikipedia.org/wiki/Feature_(machine_learning) Английская вика про признаки]
# [http://www.jmlr.org/papers/volume3/guyon03a/guyon03a.pdf Отбор признаков].
# Мощная теоретическая работа про [https://mipt.ru/upload/medialibrary/d7e/41-91.pdf стохастический градиентный спуск].

===L1===
{| class="wikitable"
|-
! Ревьюер !! Разработчик !! Оценка
|-
|Рябинин || Попов || 10
|-
| Попов || Остяков || 10
|-
| Остяков || Когтенков || 10
|-
| Когтенков || Ширин || 9.7
|-
| Ширин || Рябинин || 10
|}

Для [https://github.com/dasimagin/askme/blob/master/labs/L1%20-%20Gradient%20descent%20and%20linear%20models.ipynb первой] лабораторной работы вам потребуется:
# Настроить себе [https://pip.pypa.io/en/stable/ pip] для Python3
# Освоить [http://jupyter.org Jupyter notebook]
# Установить пакеты [http://www.scipy.org scipy]: numpy, scipy, matplotlib

Ask me (семинар)

2017-01-02T20:26:43Z

Akiiino:

Описание [[Ask_me_(проект)|проекта]], последнее [[Ask_me_(семинар)#.D0.A1.D0.B5.D0.BC.D0.B8.D0.BD.D0.B0.D1.80.D1.8B|занятие]].

==Правила игры ==
* '''Ментор:''' [[Участник:Simagin.denis|Симагин Денис]].
* '''Место:''' офис Яндекса ([https://maps.yandex.ru/213/moscow/?ll=37.590150%2C55.734065&z=18&l=stv%2Csta&panorama%5Bpoint%5D=37.589416%2C55.733747&panorama%5Bdirection%5D=40.412258%2C-11.910596&panorama%5Bspan%5D=130.000000%2C52.209677 место встречи])
* '''Время:''' c 10:00, каждый четверг.

Общение с ментором вне занятий приветствуется. Можно задавать вопросы, в том числе философские. Но перед тем, как написать, попробуйте спросить это у [https://ya.ru Яндекса]. Также не обижайтесь, если в ответ вам пришла ссылка на документацию или какую-то статью.

===Ключевые точки===
Сверху нам спущены ключевые точки выполнения проекта. Для нас они скорее явлются формальными, тем не менее мы должны их соблюдать.
# '''12-17 декабря''' - все включились в работу
# '''20-25 марта''' - реализован объем работ, необходимый для зачета
# '''30 мая - 3 июня''' - окончание проектной работы, вы готовы, как пионеры.
# '''начало июня''' - конкурс проектов.

===Правило 2Х===
У вас есть право на одну ошибку. Следующая - я отказываюсь с вами работать.

===Репозитории===
Студенты хранят свой код в следующих репозиториях
{| class="wikitable"
|-
|Ментор || https://github.com/dasimagin/askme
|-
| Когтенков || https://github.com/aakogtenkov/Ask-me-if-you-can
|-
|Остяков || https://github.com/PavelOstyakov/askme
|-
|Рябинин || https://github.com/mryab/askme
|-
|Попов || https://github.com/Akiiino/Ask-Me-Anything
|-
|Ширин || https://github.com/shirinnikita/ask_me
|}

===Лабораторные===
Лабораторные проводятся для практического закрепления материала. Их выполнение учитывается в итоговой оценке.

# Результатом работы является jupyter notebook, где сохранен вывод вашего кода, графики и т.п. А так же его импорт в формат .py. Для автоматизации процесса можно настроить jupyter.
# Когда сроки выполнения лабораторной завершены, вы выкладываете ее на ревью, создавая соответствующее задание и запрос на объединение ветки с мастером (не забудьте добавить проверяющего).
# Ваш коллега проводит ревью кода и может оставлять замечания, как в виде комментариев к заданию, так и в файле .py. Оно предполагает проверку стиля и правильность кода, а также конструктивные замечания по производительности. Однако не стремитесь сразу оптимизировать код. Добейтесь лучше того, чтобы все работало правильно.
# Когда ревью завершено, влейтесь в мастер и закройте задание.

===Результаты===
Текущие результаты можно найти [https://docs.google.com/spreadsheets/d/1gO6nHbLqMeLRXAa5Mubpfoc_-gk9DWCJ4mmnV_xaeig/edit?usp=sharing здесь]. Оценка складывается из нескольких частей:
# Работа на семинаре
# Доклад статьи
# Итоговый результат

==Семинары==

===S09.02, 16.02, 23.02, 02.03, 09.03 ===
Рассказ статей
===S02.02===
Разбор статьи
===S26.01===
Сети с внимание и длинной памятью
===S19.01===
LSTM, GRU сети, машинный перевод
===S12.01===
Рекуррентные сети
===S15.12===
Поговорили про векторное представление слов, word2vec и другие сверточные сети для работы с естественными языками.

===L4===
Coming soon...

===H11.12===
Занятие было посвящено выполнению второй лабораторной. Интересный ноутбук скоро появится [здесь].

===S08.12===
'''1. Известные архитектуры сверточных сетей'''
* [https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf Alexnet]
* [https://arxiv.org/pdf/1409.1556.pdf VGG net]
* [https://arxiv.org/pdf/1409.4842v1.pdf GoogLeNet]
* [https://arxiv.org/pdf/1512.03385.pdf ResNet]
'''2. Поговорили:'''
* На что активируются нейроны в зависимости от слоя
* Генерация 'похожих картинок'
* Послойное обучение сети
* Переобучение или дообучение уже готовой сети
'''3. Изучили примеры для библиотеки Keras'''
* [https://github.com/fchollet/keras/blob/master/examples/mnist_mlp.py Полносвязанная сеть]
* [https://github.com/fchollet/keras/blob/master/examples/mnist_cnn.py Сверточная сеть ]
* [https://github.com/fchollet/keras/blob/master/examples/mnist_transfer_cnn.py Переобучение] сверточной сети

===L3===
{| class="wikitable"
|-
! Студент !! CPU !! RAM !! GPU
|-
| Пример || 6 core, 3,5 GHz || 64GB || NVIDIA TITAN X
|-
|Рябинин || 4 core, 3.5 GHz || 16 GB || Nvidia GeForce GTX 1070
|-
| Попов || 4 core, 3.2 GHz || 8 GB || GeForce GTX 750 Ti
|-
| Остяков || 8 core, 2,6 GHz || 50 GB || -
|-
| Когтенков || - || - || -
|-
| Ширин || - || - || -
|}

Победить в [https://inclass.kaggle.com/c/ch-ch конкурсе] классификации, срок 3 января, 23:59.

Для этого вам понадобится
* Установить [https://www.tensorflow.org Tensorflow]
* Установить [https://keras.io Keras]
* Запастись терпением

===S01.12===
'''1. Полносвязанные сети:'''
* Подсчитаны производные для [https://en.wikipedia.org/wiki/Backpropagation Backpropagation], обсуждены тонкости реализации.
* Различные виды нелинейности: [https://en.wikipedia.org/wiki/Rectifier_(neural_networks) ReLu], [https://arxiv.org/pdf/1502.01852v1.pdf PReLu], [https://en.wikipedia.org/wiki/Sigmoid_function Sigmoid].
* Обучение сетей при помощи [https://en.wikipedia.org/wiki/Autoencoder Autoencoder].

'''2. Сверточные сети:'''
* Cтруктура [https://en.wikipedia.org/wiki/Convolutional_neural_network CNN].
* Затронуты: [https://en.wikipedia.org/wiki/Convolution Convolution], [https://en.wikipedia.org/wiki/Convolutional_neural_network#Pooling_layer Pooling].
* Влияние различных ядер свертки на структуру сети.
* [https://en.wikipedia.org/wiki/Convolutional_neural_network#Choosing_hyperparameters Feature maps].
* Разобрана архитектура [https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf Alexnet].
* Сочетание из Convolutional и Dense слоев.

===S24.11===
'''1. Регуляризация:'''
* Разобрали L1 и L2 регуляризаторы, можно найти [https://en.wikipedia.org/wiki/Regularization_(mathematics) здесь].
* Используйте простые классификаторы
* Раняя остановка (смотрим качество на отложенном множестве)
* Добавление шума
* Комбинирование классификаторов

'''2. Полносвязанные сети:'''
* Множественная классификация и [https://en.wikipedia.org/wiki/Softmax_function softmax].
* Метод [http://www.machinelearning.ru/wiki/images/0/0f/karpinskaya-2010.pdf обратного распространения ошибки], проблема при обучении.
* Инициализация весов: и [http://jmlr.org/proceedings/papers/v9/glorot10a/glorot10a.pdf xavier] и другие [https://arxiv.org/pdf/1502.01852v1.pdf вариации].
* Кратко о [https://en.wikipedia.org/wiki/Convolutional_neural_network#Dropout dropout].

===L2===

Задание можно найти [https://github.com/dasimagin/askme/blob/master/labs/L2%20-%20Nets.ipynb здесь], срок 23:59 11 декабря.

===S03.11===
# [https://en.wikipedia.org/wiki/Feature_(machine_learning) Признаки] и какие они бывают. Об отборе признаков, кратко [https://habrahabr.ru/post/264915/ тут]. Может помочь на конкурсе.
# Задача [http://www.machinelearning.ru/wiki/index.php?title=Линейный_классификатор бинарной классификации].
# [http://www.machinelearning.ru/wiki/index.php?title=Метод_градиентного_спуска Градиентный спуск].
# [http://www.machinelearning.ru/wiki/index.php?title=Метод_стохастического_градиента Стохастический градиентный спуск]. На английской [https://en.wikipedia.org/wiki/Stochastic_gradient_descent вике] больше интересной информации.

'''Для дополнительного чтения:'''
# [https://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf Что полезно знать о машинном обучении].
# [https://en.wikipedia.org/wiki/Feature_(machine_learning) Английская вика про признаки]
# [http://www.jmlr.org/papers/volume3/guyon03a/guyon03a.pdf Отбор признаков].
# Мощная теоретическая работа про [https://mipt.ru/upload/medialibrary/d7e/41-91.pdf стохастический градиентный спуск].

===L1===
{| class="wikitable"
|-
! Ревьюер !! Разработчик !! Оценка
|-
|Рябинин || Попов || 10
|-
| Попов || Остяков || 10
|-
| Остяков || Когтенков || 10
|-
| Когтенков || Ширин || 9.7
|-
| Ширин || Рябинин || 10
|}

Для [https://github.com/dasimagin/askme/blob/master/labs/L1%20-%20Gradient%20descent%20and%20linear%20models.ipynb первой] лабораторной работы вам потребуется:
# Настроить себе [https://pip.pypa.io/en/stable/ pip] для Python3
# Освоить [http://jupyter.org Jupyter notebook]
# Установить пакеты [http://www.scipy.org scipy]: numpy, scipy, matplotlib

Основы и методология программирования 2016/2017

2016-12-06T09:28:11Z

Akiiino: /* Преподаватели и ассистенты */

[[Основы и методология программирования 2016/2017 - I модуль|Материалы первого модуля (программирование на Python'е)]]

== Второй модуль (программирование на C++) ==

'''Лектор:''' [https://www.hse.ru/org/persons/132843899 А. И. Зобнин]

'''Лекции:''' понедельник (еженедельно), 1-я пара (10:30 - 11:50), ауд. 622; 
четверг (10 и 24 ноября, 8 декабря), 1-я пара (9:00-10:30), ауд. 622.

'''Консультации лектора:''' четверг, 12:10, ауд. 607.

[https://docs.google.com/spreadsheets/d/178KzoGPD9QDXH_u1Lv77X21Q_KncVk-Bowf3jd0w9lI/pubhtml Текущие оценки]

== Программа второго модуля ==
# Встроенные типы данных, std::string. Потоковый ввод-вывод. Условный оператор, циклы, switch.
# Шаблон std::vector. Структуры как POD-типы.
# Функции. Передача параметров по значению и по ссылке. Константность. Шаблоны функций.
# Контейнеры map/set, unordered_map/unordered_set. Range-based for.
# Алгоритмы стандартной библиотеки. Итераторы. Лямбда-функции.
# Битовые операции. Выражения. Приоритет операторов.
# Временные объекты. Время жизни объекта. Классы. Конструкторы, деструктор. Перегрузка операторов.
# Стек и динамическая память. Умные указатели: std::unique_ptr/std::shared_ptr.
# Исключения. Move-семантика.

== Краткое содержание прочитанных лекций ==
'''31.10.2016.''' C++: ввод и вывод, условный оператор, циклы, оператор switch. [[https://github.com/alzobnin/hse-cs-prog/tree/master/2016-2/01.cpp Код, написанный на лекции].]

'''07.11.2016.''' Векторы и строки. Структуры. [[https://github.com/alzobnin/hse-cs-prog/tree/master/2016-2/02.cpp Код, написанный на лекции].]

'''10.11.2016.''' Константность. Ссылки. Функции. [[https://github.com/alzobnin/hse-cs-prog/tree/master/2016-2/03.cpp Код, написанный на лекции].]

'''14.11.2016.''' Контейнеры map и unordered_map. [[https://github.com/alzobnin/hse-cs-prog/tree/master/2016-2/04.cpp Код, написанный на лекции].]

'''21.11.2016.''' Контейнеры list и deque. Алгоритмы стандартной библиотеки. [[https://github.com/alzobnin/hse-cs-prog/tree/master/2016-2/05.cpp Код, написанный на лекции].]

'''24.11.2016.''' Адаптеры stack, queue и priority_queue. Алгоритмы стандартной библиотеки (продолжение). [[https://github.com/alzobnin/hse-cs-prog/tree/master/2016-2/06.cpp Код, написанный на лекции].]

'''28.11.2016.''' Битовые операции. Выражения, операторы. Перегрузка операторов. [[https://github.com/alzobnin/hse-cs-prog/tree/master/2016-2/07.cpp Код, написанный на лекции].]

'''05.12.2016.''' Класс Date. Шаблонный класс Matrix. [[https://github.com/alzobnin/hse-cs-prog/tree/master/2016-2/08.cpp Код, написанный на лекции].]

== Используемое ПО ==
Рекомендуется работать в Linux, использовать текстовый редактор [https://en.wikipedia.org/wiki/Vim_%28text_editor%29 Vim] и компилятор [https://en.wikipedia.org/wiki/Clang clang 3.8].

На занятия можно приносить свой ноутбук.

== Преподаватели и ассистенты ==
{| class="wikitable"
|-
! Подгруппа !! Преподаватель !! Учебные ассистенты !! Семинары !! Консультации
|-
| 162-1 || Алексей Зобнин || Николай Вельдяйкин || Пн, 9:00, 501; Чт, 9:00*, 301; Чт, 10:30, 412 ||
|-
| 162-2 || Василий Жовнер || Николай Вельдяйкин || Пн, 9:00, 513; Чт, 9:00*, 10:30, 327 ||
|-
| 164-1 || Федор Строк || || Вт, 15:10, 420; Чт, 9:00*, 10:30, 501 ||
|-
| 164-2 || Илья Макаров || || Вт, 13:40, 420; Чт, 10:30*, 12:10, 416 ||
|-
| 165-1 || Евгений Салагаев || Валерия Бубнова || Чт, 9:00*, 10:30, 503; Пт, 9:00, 412 ||
|-
| 165-2 || Иван Фефер || Валерия Бубнова || Пн, 9:00, 503; Чт, 9:00*, 10:30, 505 ||
|-
| 166-1 || Андрей Кондратьев || Петр Жижин || Пн, 9:00, 605; Чт, 9:00*, 10:30, 513 ||
|-
| 166-2 || Михаил Густокашин || Петр Жижин || Пн, 13:40, 301; Чт, 10:30*, 12:10, 301 || Чт. 13:40-16:40, 501
|-
| [http://wiki.cs.hse.ru/Основы_и_методология_программирования_2016/2017/167-1 167-1] || Алексей Умнов || Никита Александров || Ср, 12:10, 513; Чт, 10:30*, 301; Пт, 15:10, 505 || см. страницу семинаров ||
|-
| 167-2 || Дмитрий Вельтищев || Никита Александров || Пн, 9:00, 327; Чт, 9:00*, 10:30, 605 ||
|-
| 168-1 || Михаил Дектярёв || Александра Рябинина || Пн, 9:00, 505; Чт, 9:00*, 411; Чт, 10:30, 432 ||
|-
| [http://wiki.cs.hse.ru/Основы_и_методология_программирования_2016/2017/168-2 168-2] || Андрей Кашин || Александра Рябинина || Ср, 9:00, 10:30, 301; Чт, 9:00*, 416 ||
|-
|}

== Домашняя работа ==
Новая домашняя работа выкладывается еженедельно по средам в 9:00. Максимальная оценка за работу 1200 баллов (соответствует оценке 12). Дедлайн на выполнение домашней работы - 1 неделя (дедлайн перед контрольной - полночь). Еще в течение одной недели можно сдавать задачи и они будут получать половину баллов.

За неудачную посылку по задаче предусмотрен штраф в 1 балл, однако, если неудачных посылок очень много, но задача сдана, то она будет оценена минимум в 80% баллов.

'''Контест 1''' (Числа, if, циклы, строки): https://official.contest.yandex.ru/contest/3156 (дедлайн 10.11.2016 9:00)

'''Контест 2''' (Вектор, индексация строк, функции): https://official.contest.yandex.ru/contest/3202 (дедлайн 17.11.2016 9:00)

'''Контест 3''' (Сортировка структур, контейнеры, рекурсия): https://official.contest.yandex.ru/contest/3434 (дедлайн 24.11.2016 9:00)

'''Внимание!''' В этом контесте мы будем вручную рецензировать решения ваших задач I (Поступление) и P (Сессия).
Для этого всем студентам нужно зарегистрироваться в системе Anytask:

1. Зарегистрируйтесь на http://anytask.org/accounts/register/. Пожалуйста, '''вводите правильно свою фамилию и имя на русском языке'''.

2. Укажите инвайт от '''своей''' подгруппы:
{| class="wikitable"
|-
| 162-1 || ygTQx77
|-
| 162-2 || eYzME9f
|-
| 164-1 || 9WOeHCe
|-
| 164-2 || QjW2SVe
|-
| 165-1 || jUTAPd8
|-
| 165-2 || 1BRstCB
|-
| 166-1 || kA3HLRk
|-
| 166-2 || H2pdqaP
|-
| 167-1 || YPXr9yn
|-
| 167-2 || 8ewB9l4
|-
| 168-1 || aVNsHhA
|-
| 168-2 || 5cNE8fX
|-
|}

3. Найдите себя в списке группы. Нажмите на ячейку в таблице в своей строке и в столбце задачи. Отправьте решения своих задач (получившие статус OK в Я.Контесте).

4. Если всё прошло успешно, вы получите ссылку на Review board (систему рецензирования) с вашим кодом. Логин и пароль для входа в Review board - такой же, как и в Anytask.

5. Ожидайте рецензии от вашего преподавателя или ассистента. Вы получите об этом автоматическое уведомление по почте. Будьте готовы исправить замечания в решении, если потребуется. За недочёты в решениях будут вычитаться баллы у соответствующих задач.

6. За нарушение правил регистрации (неправильно введены фамилия/имя, регистрация в чужой подгруппе и т. д.) мы также будем снимать баллы.

'''Контест 4''' (Стандартные алгоритмы и структуры данных): https://official.contest.yandex.ru/contest/3485 (дедлайн 1.12.2016 0:00) - в этом контесте сложные (на наш взгляд) задачи помечены звездочкой. '''На рецензию в Anytask необходимо сдать задачи I (игра в пьяницу) и T (unique).'''

'''Контест 5''' (Битовые операции и классы): https://official.contest.yandex.ru/contest/3517 (дедлайн 8.12.2016 9:00). Новые задачи добавляться больше не будут. '''На рецензию в Anytask необходимо сдать задачи H (забавная игра) и P (рациональное число).'''

== Контрольные работы ==
Будут проводиться на семинарах по четвергам каждую вторую неделю (начиная с 17 ноября).

Контрольную работу можно писать только в классе!

'''Первая контрольная работа:'''

Контест для первой пары: https://official.contest.yandex.ru/contest/3442/problems/

Контест для второй пары: https://official.contest.yandex.ru/contest/3443/problems/

'''Вторая контрольная работа:'''

Контест для первой пары: https://official.contest.yandex.ru/contest/3521/problems/

Контест для второй пары: https://official.contest.yandex.ru/contest/3522/problems/

== Формулы оценок ==
'''Накопленная оценка за II-III модули''' = 0,4 * (Средняя оценка за домашние работы) + 0,6 * (Средняя оценка за контрольные работы)

== Требования к оформлению кода программ ==

Мы используем cpplint для проверки стиля. Вот [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5_%D0%B7%D0%B0%D0%BD%D1%8F%D1%82%D0%B8%D1%8F_%D0%BF%D0%BE_%D0%BA%D1%83%D1%80%D1%81%D1%83_%D0%9E%D0%B8%D0%9C%D0%9F/C%2B%2B_check список требований].

Флаги для [https://github.com/google/styleguide/blob/gh-pages/cpplint/cpplint.py cpplint]: --filter=-,+build/include,-build/include_order,+build/include_what_you_use,+build/storage_class,+readability/alt_tokens,+readability/braces,
+readability/casting,+readability/inheritance,+runtime/casting,-runtime/explicit,+whitespace/blank_line,+whitespace/braces,+whitespace/comma,
+whitespace/comments,+whitespace/empty_conditional_body,+whitespace/empty_loop_body,+whitespace/end_of_line,
+whitespace/ending_newline,+whitespace/forcolon,+whitespace/indent,+whitespace/line_length,+whitespace/newline,
+whitespace/operators,+whitespace/parens,+whitespace/semicolon,+whitespace/tab --linelength=100

Вот скрипт, в котором уже включены эти флаги (и который можно запускать без дополнительных параметров): https://yadi.sk/d/vRnvWsAlxzyaG

== Полезные ссылки ==
[http://overthewire.org/wargames/bandit/ Bandit] - игра для освоения консольных команд Linux

[http://people.dunnewind.net/practical_vim.pdf Practical Vim] - хороший учебник по Vim

Ask me (семинар)

2016-11-30T09:50:28Z

Akiiino: /* L1 */

Ask me (семинар)

2016-11-19T21:16:49Z

Akiiino: /* Репозитории */

[[Ask_me_(проект)|проекта]], последнее [[Ask_me_(семинар)#.D0.A1.D0.B5.D0.BC.D0.B8.D0.BD.D0.B0.D1.80.D1.8B|занятие]].

==Правила игры ==
* '''Ментор:''' [[Участник:Simagin.denis|Симагин Денис]].
* '''Место:''' офис Яндекса ([https://maps.yandex.ru/213/moscow/?ll=37.590150%2C55.734065&z=18&l=stv%2Csta&panorama%5Bpoint%5D=37.589416%2C55.733747&panorama%5Bdirection%5D=40.412258%2C-11.910596&panorama%5Bspan%5D=130.000000%2C52.209677 место встречи])
* '''Время:''' c 10:00, каждый четверг.

Общение с ментором вне занятий приветствуется. Можно задавать вопросы, в том числе философские. Но перед тем, как написать, попробуйте спросить это у [https://ya.ru Яндекса]. Также не обижайтесь, если в ответ вам пришла ссылка на документацию или какую-то статью.

===Ключевые точки===
Сверху нам спущены ключевые точки выполнения проекта. Для нас они скорее явлются формальными, тем не менее мы должны их соблюдать.
# '''12-17 декабря''' - все включились в работу
# '''20-25 марта''' - реализован объем работ, необходимый для зачета
# '''30 мая - 3 июня''' - окончание проектной работы, вы готовы, как пионеры.
# '''начало июня''' - конкурс проектов.

===Правило 2Х===
У вас есть право на одну ошибку. Следующая - я отказываюсь с вами работать.

===Репозитории===
Студенты хранят свой код в следующих репозиториях
{| class="wikitable"
|-
|Ментор || https://github.com/dasimagin/askme
|-
| Когтенков || https://github.com/aakogtenkov/Ask-me-if-you-can
|-
|Остяков || https://github.com/PavelOstyakov/askme
|-
|Рябинин || https://github.com/mryab/askme
|-
|Попов || https://github.com/Akiiino/Ask-Me-Anything
|}

===Результаты===
Текущие результаты можно найти [https://docs.google.com/spreadsheets/d/1gO6nHbLqMeLRXAa5Mubpfoc_-gk9DWCJ4mmnV_xaeig здесь]. Оценка складывается из нескольких частей:
# За работу на семинаре
# И итогового результата.

==Семинары==
===S03.11===
# [https://en.wikipedia.org/wiki/Feature_(machine_learning) Признаки] и какие они бывают. Об отборе признаков, кратко [https://habrahabr.ru/post/264915/ тут]. Может помочь на конкурсе.
# Задача [http://www.machinelearning.ru/wiki/index.php?title=Линейный_классификатор бинарной классификации].
# [http://www.machinelearning.ru/wiki/index.php?title=Метод_градиентного_спуска Градиентный спуск].
# [http://www.machinelearning.ru/wiki/index.php?title=Метод_стохастического_градиента Стохастический градиентный спуск]. На английской [https://en.wikipedia.org/wiki/Stochastic_gradient_descent вике] больше интересной информации.

'''Для дополнительного чтения:'''
# [https://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf Что полезно знать о машинном обучении].
# [https://en.wikipedia.org/wiki/Feature_(machine_learning) Английская вика про признаки]
# [http://www.jmlr.org/papers/volume3/guyon03a/guyon03a.pdf Отбор признаков].
# Мощная теоретическая работа про [https://mipt.ru/upload/medialibrary/d7e/41-91.pdf стохастический градиентный спуск].

===L1===
{| class="wikitable"
|-
! Ревьюер !! Разработчик
|-
|Рябинин || Попов
|-
| Попов || Остяков
|-
| Остяков || Когтенков
|-
| Когтенков || Ширин
|-
| Ширин || Рябинин
|}

Для [https://github.com/dasimagin/askme/blob/master/labs/L1%20-%20Gradient%20descent%20and%20linear%20models.ipynb первой] лабораторной работы вам потребуется:
# Настроить себе [https://pip.pypa.io/en/stable/ pip] для Python3
# Освоить [http://jupyter.org Jupyter notebook]
# Установить пакеты [http://www.scipy.org scipy]: numpy, scipy, matplotlib

Основы и методология программирования 2016/2017 - I модуль

2016-09-14T11:42:03Z

Akiiino: /* Преподаватели и ассистенты */

== Основы и методология программирования, базовый поток, 2016-2017, 1 модуль ==

'''Лектор:''' [https://www.hse.ru/org/persons/133408680 М. С. Густокашин]

'''Лекции:''' понедельник (еженедельно), 2-я пара (10:30-11:50), ауд. 622; 
четверг (22 сентября, 6 октября, 20 октября), 1-я пара (9:00-10:20), ауд. 622.

Конспекты лекций: https://yadi.sk/i/BkcKilJkumcPV

== Используемое ПО ==
Необходимо установить интерпретатор Python версии не ниже 3.4 (желательно 3.4, не 3.5) под свою ОС. Ссылка https://www.python.org/downloads/

Затем необходимо установить как минимум одну из сред программирования (курс первого модуля будет состоять из маленьких задач):

1. Wing IDE 101: http://wingware.com/downloads/wingide-101 - эта среда лучше подходит для маленьких задач, но хуже для проектов

2. JetBrains PyCharm Community: https://www.jetbrains.com/pycharm/download/ - эта среда хуже подходит для маленьких задач, но лучше для проектов

На занятия можно приносить свой ноутбук.

==Семинарские занятия и ДЗ==

Занятие 1: Целые числа и ввод-вывод. Ссылка на вход в контест: https://official.contest.yandex.ru/contest/2696/enter/

Занятие 2: Условный оператор. Ссылка на вход в контест: https://official.contest.yandex.ru/contest/2760/enter/

==Преподаватели и ассистенты==
{| class="wikitable"
|-
! Подгруппа !! Преподаватель !! Учебные ассистенты !! Семинары !! Консультации
|-
| 162-1 || Сергей Кутылёв || || понедельник, 4-я пара, ауд. 505; четверг, 3-я пара, ауд. 501 ||
|-
| 162-2 || Сергей Абрамов || || вторник, 1-я пара, ауд. 327; четверг, 2-я пара, ауд. 327||
|-
| 164-1 || Федор Строк || Попов Никита || вторник, 5-я пара, ауд. 420; четверг, 2-я пара, ауд. 501 || среда, 15:10, аудитория 327
|-
| 164-2 || Илья Макаров || Попов Никита || вторник, 4-я пара, ауд. 420; четверг, 3-я пара, ауд. 416 || среда, 15:10, аудитория 327
|-
| 165-1 || Евгений Салагаев || || четверг, 2-я пара, ауд. 503; пятница, 1-я пара, ауд. 412 ||
|-
| 165-2 || Иван Фефер || || понедельник, 1-я пара, ауд. 503; четверг, 2-я пара, ауд. 505 ||
|-
| 166-1 || Андрей Кондратьев || || понедельник, 1-я пара, ауд. 501; четверг, 2-я пара, ауд. 513 ||
|-
| 166-2 || Михаил Густокашин || || понедельник, 4-я пара, ауд. 301; четверг, 3-я пара, ауд. 301 ||
|-
| 167-1 || Алексей Умнов || || вторник, 4-я пара, ауд. 327; пятница, 5-я пара, ауд. 505, [http://wiki.cs.hse.ru/Основы_и_методология_программирования_2016/2017/167-1 страница группы] || cм. страницу группы
|-
| 167-2 || Дмитрий Вельтищев || || понедельник, 1-я пара, ауд. 327; четверг, 1-я (мигалка) и 2-я пара, ауд. 605 ||
|-
| 168-1 || Алина Красавина || || понедельник, 1-я пара, ауд. 505; пятница, 1-я пара, ауд. 505 ||
|-
| 168-2 || Екатерина Денике || || среда, 2-я пара, ауд. 301; пятница, 1-я пара, ауд. 501||
|-
|}

Основы и методология программирования 2016/2017 - I модуль

2016-09-13T14:26:00Z

Akiiino: /* Преподаватели и ассистенты */ Добавил себя в список ассистентов

== Основы и методология программирования, базовый поток, 2016-2017, 1 модуль ==

'''Лектор:''' [https://www.hse.ru/org/persons/133408680 М. С. Густокашин]

'''Лекции:''' понедельник (еженедельно), 2-я пара (10:30-11:50), ауд. 622; 
четверг (22 сентября, 6 октября, 20 октября), 1-я пара (9:00-10:20), ауд. 622.

Конспекты лекций: https://yadi.sk/i/BkcKilJkumcPV

== Используемое ПО ==
Необходимо установить интерпретатор Python версии не ниже 3.4 (желательно 3.4, не 3.5) под свою ОС. Ссылка https://www.python.org/downloads/

Затем необходимо установить как минимум одну из сред программирования (курс первого модуля будет состоять из маленьких задач):

1. Wing IDE 101: http://wingware.com/downloads/wingide-101 - эта среда лучше подходит для маленьких задач, но хуже для проектов

2. JetBrains PyCharm Community: https://www.jetbrains.com/pycharm/download/ - эта среда хуже подходит для маленьких задач, но лучше для проектов

На занятия можно приносить свой ноутбук.

==Семинарские занятия и ДЗ==

Занятие 1: Целые числа и ввод-вывод. Ссылка на вход в контест: https://official.contest.yandex.ru/contest/2696/enter/

Занятие 2: Условный оператор. Ссылка на вход в контест: https://official.contest.yandex.ru/contest/2760/enter/

==Преподаватели и ассистенты==
{| class="wikitable"
|-
! Подгруппа !! Преподаватель !! Учебные ассистенты !! Семинары !! Консультации
|-
| 162-1 || Сергей Кутылёв || || понедельник, 4-я пара, ауд. 505; четверг, 3-я пара, ауд. 501 ||
|-
| 162-2 || Сергей Абрамов || || вторник, 1-я пара, ауд. 327; четверг, 2-я пара, ауд. 327||
|-
| 164-1 || Федор Строк || Попов Никита || вторник, 5-я пара, ауд. 420; четверг, 2-я пара, ауд. 501 ||
|-
| 164-2 || Илья Макаров || Попов Никита || вторник, 4-я пара, ауд. 420; четверг, 3-я пара, ауд. 416 ||
|-
| 165-1 || Евгений Салагаев || || четверг, 2-я пара, ауд. 503; пятница, 1-я пара, ауд. 412 ||
|-
| 165-2 || Иван Фефер || || понедельник, 1-я пара, ауд. 503; четверг, 2-я пара, ауд. 505 ||
|-
| 166-1 || Андрей Кондратьев || || понедельник, 1-я пара, ауд. 501; четверг, 2-я пара, ауд. 513 ||
|-
| 166-2 || Михаил Густокашин || || понедельник, 4-я пара, ауд. 301; четверг, 3-я пара, ауд. 301 ||
|-
| 167-1 || Алексей Умнов || || вторник, 4-я пара, ауд. 327; пятница, 5-я пара, ауд. 505, [http://wiki.cs.hse.ru/Основы_и_методология_программирования_2016/2017/167-1 страница группы] || cм. страницу группы
|-
| 167-2 || Дмитрий Вельтищев || || понедельник, 1-я пара, ауд. 327; четверг, 3-я пара, ауд. 605 ||
|-
| 168-1 || Алина Красавина || || понедельник, 1-я пара, ауд. 505; пятница, 1-я пара, ауд. 505 ||
|-
| 168-2 || Екатерина Денике || || среда, 2-я пара, ауд. 301; пятница, 1-я пара, ауд. 501||
|-
|}