Wiki - Факультет компьютерных наук - Вклад [ru]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-05-31T13:47:20Z

Anastasya rysmyatova: /* Расписание семинаров */

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|22 марта 2016 || align="center"|10 || Линейные алгоритмы классификации. Логистическая регрессия. ||
|-
|5 апреля 2016 || align="center"|11 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|12 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|13 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|14 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|-
|17 мая 2016 || align="center"|15 || Кластеризация. ||
|-
|24 мая 2016 || align="center"|16 || Решение задачик с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|-
|31 мая 2016 || align="center"|17 || Метрические алгоритмы. Метод ближайших соседей.||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/70gqz2jvm0z1cl7/KNN.ipynb KNN_notebook ]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/c3hzq1z7h7tym2z/RF_KNN.ipynb Практическое задание №4 "Random Forest, KNN"]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-05-31T13:41:30Z

Anastasya rysmyatova:

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|22 марта 2016 || align="center"|10 || Линейные алгоритмы классификации. Логистическая регрессия. ||
|-
|5 апреля 2016 || align="center"|11 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|12 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|13 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|14 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|-
|24 мая 2016 || align="center"|16 || Решение задачик с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|-
|31 мая 2016 || align="center"|14 || Метрические алгоритмы. Метод ближайших соседей||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/70gqz2jvm0z1cl7/KNN.ipynb KNN_notebook ]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/c3hzq1z7h7tym2z/RF_KNN.ipynb Практическое задание №4 "Random Forest, KNN"]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-05-31T13:36:28Z

Anastasya rysmyatova:

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|22 марта 2016 || align="center"|10 || Линейные алгоритмы классификации. Логистическая регрессия. ||
|-
|5 апреля 2016 || align="center"|11 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|12 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|13 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|14 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|-
|24 мая 2016 || align="center"|16 || Решение задачик с [http://hackerrank.com hackerrank.com] ||
[https://www.hackerrank.com/challenges/battery [1]],
[https://www.hackerrank.com/challenges/stat-warmup [2]],
[https://www.hackerrank.com/challenges/predicting-house-prices [3]],
[https://www.hackerrank.com/challenges/predicting-office-space-price [4]],
[https://www.hackerrank.com/challenges/document-classification [5](*)]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/c3hzq1z7h7tym2z/RF_KNN.ipynb Практическое задание №4 "Random Forest, KNN"]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-05-10T11:52:47Z

Anastasya rysmyatova: /* Расписание семинаров */

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|22 марта 2016 || align="center"|10 || Линейные алгоритмы классификации. Логистическая регрессия. ||
|-
|5 апреля 2016 || align="center"|11 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|12 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|13 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|14 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-05-10T11:49:07Z

Anastasya rysmyatova:

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|5 апреля 2016 || align="center"|10 || Подготовка к коллоквиуму. ||

|-
|19 апреля 2016 || align="center"|11 || Решающие деревья. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|12 || Пример работы с реальными данными (разбор проекта). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|13 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-05-10T11:13:56Z

Anastasya rysmyatova: /* Расписание семинаров */

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|19 апреля 2016 || align="center"|10 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|11 || Пример работы с реальными данными (разбор проекта) ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|-
|10 мая 2016 || align="center"|12 || Случайные леса (Random Forest). Метод главных компонент (PCA). ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/9e1vabeu5fpm9ch/decision_trees.ipynb RF_notebook ]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/rhipwex1oz4av9r/PCA.ipynb PCA_notebook]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-05-10T11:03:03Z

Anastasya rysmyatova:

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|19 апреля 2016 || align="center"|10 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb ipython notebook]
|-
|26 апреля 2016 || align="center"|11 || Пример работы с реальными данными (разбор проекта) ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-05-10T11:02:12Z

Anastasya rysmyatova:

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|9 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|-
|19 апреля 2016 || align="center"|10 || Решающие деревья ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ssmbi9f3lkosral/decision_trees.ipynb]
|-
|26 апреля 2016 || align="center"|10 || Пример работы с реальными данными (разбор проекта) ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/uh64e2mcu9dy924/project_s.ipynb ipython notebook]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-04-22T17:41:19Z

Anastasya rysmyatova:

== Общая информация ==
{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки ==

# На семинарах по некоторым темам будут проводиться проверочные работы.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
[https://docs.google.com/document/d/1rYzhPxOvY5xy7vD1SDnZz1ykodDeHfV7P4-qChElJT0/edit Неструктурированные материалы]
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb ipython notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. Matplotlib. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/l5ug7dlxj416e4a/sem_3.ipynb ipython notebook с семинара]
|-
|02 февраля 2016 || align="center"|4 || Решение задач. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/ks0uai62dpaw7y7/seminar_4.ipynb задачи]
|-
|09 февраля 2016 || align="center"|5 || Градиентный спуск. Линейная регрессия. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/w9s7ayz8kzl03ni/seminar_5.ipynb ipython notebook с семинара]

[https://www.dropbox.com/s/lo10gizj4eyv26w/seminar_5_slid.pdf?dl=0 слайды]
|-
|16 февраля 2016 || align="center"|6 || Градиентный спуск. ||
|-
|01 марта 2016 || align="center"|7 || Градиентный спуск. Понятия Ridge и Lasso регрессии. ||
[https://www.dropbox.com/s/cujciffsgrz93jg/assignment_gradient_descent.pdf?dl=0 Домашнее задание]
|-
|15 марта 2016 || align="center"|8 || Теория вероятностей. Решение задач на формулу полной вероятности и формулу Байеса.||
[https://www.dropbox.com/s/lydfd3bss5ke47z/%D0%A2%D0%B5%D1%80%D0%B2%D0%B5%D1%80_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%B8.pdf?dl=0 Задачи]
|-
|15 марта 2016 || align="center"|8 || Консультация. Ridge и Lasso регрессии. ||
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t8fum2v9zuaduwz/sem_6.ipynb ipython notebook]
|}

==Практические задания==
[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/v6g0ld6y6vc5zmu/HW1_Username.ipynb Практическое задание №1 "Изучение Numpy, Pandas, Matplotlib"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/6i734tudomxku56/HW2_Username.ipynb Практическое задание №2 "Методы линейной регрессии"]

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/xpsuv6l33om4d6p/project.ipynb Проект. Начало.] ([https://www.dropbox.com/s/obcxbpwawie3zqy/student-mat.csv?dl=0 student-mat.csv], [https://www.dropbox.com/s/37pxauy419lakz5/student-por.csv?dl=0 student-por.csv])

[http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/0sny4z944ckdhhb/DecisionTree.ipynb Практическое задание №3 "DecisionTree"]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-03-15T10:56:22Z

Anastasya rysmyatova: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-02-12T16:13:33Z

Anastasya rysmyatova: /* Практические задания */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-02-09T11:29:20Z

Anastasya rysmyatova: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-02-09T11:28:57Z

Anastasya rysmyatova: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-02-09T11:28:09Z

Anastasya rysmyatova: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-02-02T08:21:41Z

Anastasya rysmyatova: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-02-02T08:10:02Z

Anastasya rysmyatova: /* Расписание семинаров */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-02-01T18:47:02Z

Anastasya rysmyatova: /* Выставление оценки */

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-25T14:52:19Z

Anastasya rysmyatova:

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-25T14:50:12Z

Anastasya rysmyatova:

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-24T20:13:44Z

Anastasya rysmyatova:

{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки за курс ==

Семинары:

# На семинарах по некоторым темам будут проводиться проверочные работы. Каждая проверочная оценивается по пятибалльной шкале.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.
# Результаты работ [https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit#gid=1316267013| ИАД - 18]

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb Ipython Notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. ||
|-
|}

==Практические задания==

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-24T20:09:52Z

Anastasya rysmyatova: добавлен файл

{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки за курс ==

Семинары:

# На семинарах по некоторым темам будут проводиться проверочные работы. Каждая проверочная оценивается по пятибалльной шкале.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. || [http://nbviewer.jupyter.org/github/AnastasiaRysmyatova/ipython_notebooks/blob/master/ipython_notebook2.ipynb Ipython Notebook с семинара ]
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. ||
|-
|}

==Практические задания==

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-24T20:08:03Z

Anastasya rysmyatova:

{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки за курс ==

Семинары:

# На семинарах по некоторым темам будут проводиться проверочные работы. Каждая проверочная оценивается по пятибалльной шкале.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. ||
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. ||
|-
|}

==Практические задания==

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-24T19:13:04Z

Anastasya rysmyatova: исправлена ошибка

{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки за курс ==

Семинары:

# На семинарах по некоторым темам будут проводиться проверочные работы. Каждая проверочная оценивается по пятибалльной шкале.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. ||
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. ||
|-
|}

==Практические задания==

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-24T19:11:51Z

Anastasya rysmyatova: добавлена информация о курсе

{|
| valign="top"|
* Семинары в поддержку курса [http://wiki.cs.hse.ru/Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных| Введение в анализ данных ] .
* Семинаристы: Игорь Гитман и Анастасия Рысьмятова.
* Почта: "hse.minor.dm+18@gmail.com"
|}

== Выставление оценки за курс ==

Семинары:

# На семинарах по некоторым темам будут проводиться проверочные работы. Каждая проверочная оценивается по пятибалльной шкале.
# Также за курс будут выданы несколько практических заданий, которые будут оцениваться по десятибалльной шкале. На выполнение каждого практического задание будет даваться 2 недели. Штраф за просрочку сдачи составляет 0.2 балла в день.
# Оценка за работу в семестре будет ставиться исходя из набранных баллов.
# В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.

==Расписание семинаров==

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || align="center"|2 || Python для анализа данных. NumPy. ||
|-
|26 января 2016 || align="center"|3 || Python для анализа данных. Pandas. ||
|-
|}

==Практические задания==

Майнор Интеллектуальный анализ данных/Введение в анализ данных

2016-01-19T15:34:27Z

Anastasya rysmyatova: /* Страницы семинаров */

== О курсе ==
В рамках курса «Введение в анализ данных» студенты овладевают базовыми понятиями и методами интеллектуального анализа данных и машинного обучения, учатся применять их в задачах обработки и анализа данных, информационного поиска, а также приобретают практические навыки исследователя данных (data scientist). Практические задания и итоговый проект выполняются с использованием языка Python и инструментов PyData (iPython Notebook, NumPy, Pandas, scikit-learn и др.) 

'''Читается:''' 3-4 модуль 2 курса, 2015/2016 учебный год. 
'''Пререквизиты:''' Введение в программирование 
'''Трудоемкость:''' 5 кредитов 

=== Продолжительность ===
'''Всего:''' 72 аудиторных часа: 
'''Из них:'''
* 36 часов лекций
* 36 часов практических занятий

=== Формы контроля ===
* проверочные работы на семинарах
* домашние задания
* проект по анализу данных
* экзамен

==Учебный процесс==

===Полезные ссылки===
Написать отзыв (анонимно): http://goo.gl/forms/RwdMxnChST 

'''Второй поток'''

Почта потока (для домашних заданий и вопросов): [mailto:hse.minor.dm@gmail.com hse.minor.dm@gmail.com]

Почта лектора: [mailto:sokolov.evg@gmail.com sokolov.evg@gmail.com]

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?usp=sharing Таблица с оценками]

Подписаться на рассылку (информация об отменах и переносах занятий): напишите пустое письмо на [mailto:hse-minor-datamining-2+subscribe@googlegroups.com hse-minor-datamining-2+subscribe@googlegroups.com]

===Расписание лекций===

{| class="wikitable"
|-
! Пара !! Группы !! Преподаватель
|-
| 2 10.30-11.50 || Второй поток, ИАД-11 – ИАД-20 (К-9) || Соколов Евгений Андреевич
|-
| 3 12.10-13.30 || Первый поток, ИАД-1 – ИАД-10 (К-9) || Игнатов Дмитрий Игоревич
|}

===Расписание семинаров===

{| class="wikitable"
|-
! Пара !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель
|-
| 1 09.00-10.20 || ИАД-8 (ауд.4335) || Панов || ИАД-11 (ауд.3214) || Козлова || ИАД-13 (ауд.4336) || Ромов || ИАД-18 (ауд.4427) || Гитман, Рысьмятова || ИАД-19 (ауд.4428) || Квасов, Полякова
|-
| 1 09.00-10.20 || ИАД-20 (ауд.3203) || Струминский || || || || || || || ||
|-
| 2 10.30-10.50 || ИАД-4 (ауд.4336) || Умнов || ИАД-8 (ауд.4335) || Панов || ИАД-9 (ауд.4427) || Папулин || ИАД-10 (ауд.4428) || Зиннурова || ||
|-
| 3 12.10-13.30 || ИАД-12 (ауд.3214) || Козлова || ИАД-14 (ауд.4427) || Папулин || ИАД-15 (ауд.4428) || Зиннурова || ИАД-16 (ауд.3203) || Даулбаев, Чиркова || ИАД-17 (ауд.4335) || Гитман, Захаров
|-
| 4 13.40-15.00 || ИАД-2 (ауд.4427) || Папулин || ИАД-3 (ауд.4428) || Шестаков || ИАД-5 (ауд.3203) || Паринов || ИАД-6 (ауд.3214) || Кашницкий || ИАД-7 (ауд.4336) || Умнов
|-
| 5 15.10-16.30 || ИАД-1 (ауд.4427) || Папулин || ИАД-6 (ауд.3214) || Кашницкий || || || || || ||
|}

===Программа лекций===

Лекция 1 (12.01.2016). Введение в машинное обучение и анализ данных. [[https://db.tt/c9XsAVym Слайды, 1 поток]] [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture01-intro.pdf Слайды, 2 поток]]

Лекция 2 (19.01.2016). Постановки задач в машинном обучении. Примеры прикладных задач. [Слайды, 1 поток] [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture02-intro.pdf Слайды, 2 поток]]

Лекция 3. Линейная алгебра и анализ данных.

Лекция 4. Математический анализ и анализ данных.

Лекция 5. Теория вероятностей и анализ данных.

Лекция 6. Математическая статистика и анализ данных.

Лекция 7. Линейная регрессия.

Лекция 8. Линейная классификация.

Лекция 9. Метрики качества алгоритмов.

Лекция 10. Оценивание качества алгоритмов.

Лекция 11. Логические методы и их интерпретируемость.

Лекция 12. Построение деревьев решений.

Лекция 13. Введение в композиции алгоритмов. Случайные леса.

Лекция 14. Особенности реальных данных.

Лекция 15. Анализ частых множеств признаков и ассоциативных правил.

Лекция 16. Задача кластеризации.

Лекция 17. Заключительная лекция.

===Страницы семинаров===
* ИАД-1, Папулин С.Ю.
* ИАД-2, Папулин С.Ю.
* [[Minor_da2016_gr3|ИАД-3, Шестаков А.]]
* [[Майнор_Анализ_Данных_ИАД-4_ИАД-7|ИАД-4, Умнов А.В.]]
* ИАД-5, Паринов А.С.
* ИАД-6, Кашницкий Ю.С.
* [[Майнор_Анализ_Данных_ИАД-4_ИАД-7|ИАД-7, Умнов А.В.]]
* ИАД-8, Панов А.И.
* ИАД-9, Папулин С.Ю.
* ИАД-10, Зиннурова Э.А.
* ИАД-11, Козлова А.
* ИАД-12, Козлова А.
* ИАД-13, Ромов П.А.
* ИАД-14, Папулин С.Ю.
* ИАД-15, Зиннурова Э.А.
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-16|ИАД-16, Даулбаев Т., Чиркова Н.]]
* ИАД-17, Гитман И., Захаров Е.
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-18|ИАД-18, Гитман И., Рысьмятова А.]]
* ИАД-19, Квасов А., Полякова Н.
* ИАД-20, Струминский К.

==Полезные материалы==
===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 Видео лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
* [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]

===Статьи===
* [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]
* [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]

===Книги===
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.
* James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.

[[Category:Майнор "Интеллектуальный анализ данных"]]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-19T14:30:12Z

Anastasya rysmyatova: /* Расписание семинаров */

Семинаристы: Игорь Гитман и Анастасия Рысьмятова.

===Расписание семинаров===

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2016 || rowspan=2 align="center"|2 || Python для анализа данных. NumPy. ||
|-
|}

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-18

2016-01-19T14:28:21Z

Anastasya rysmyatova: Создана страница семинаров для группы ИАД-18

Семинаристы: Игорь Гитман и Анастасия Рысьмятова.

===Расписание семинаров===

{| class="wikitable"
!Дата !! № занятия !! Занятие !! Материалы
|-
|12 января 2016 || align="center"|1 || Вводный семинар. Обсуждение основных понятий анализа данных.||
|-
|19 января 2015 || rowspan=2 align="center"|2 || Python для анализа данных. NumPy. ||
|-
|}

Майнор Интеллектуальный анализ данных/Введение в анализ данных

2016-01-19T12:44:08Z

Anastasya rysmyatova: добавлена ссылка на курс для группы 18

== О курсе ==
В рамках курса «Введение в анализ данных» студенты овладевают базовыми понятиями и методами интеллектуального анализа данных и машинного обучения, учатся применять их в задачах обработки и анализа данных, информационного поиска, а также приобретают практические навыки исследователя данных (data scientist). Практические задания и итоговый проект выполняются с использованием языка Python и инструментов PyData (iPython Notebook, NumPy, Pandas, scikit-learn и др.) 

'''Читается:''' 3-4 модуль 2 курса, 2015/2016 учебный год. 
'''Пререквизиты:''' Введение в программирование 
'''Трудоемкость:''' 5 кредитов 

=== Продолжительность ===
'''Всего:''' 72 аудиторных часа: 
'''Из них:'''
* 36 часов лекций
* 36 часов практических занятий

=== Формы контроля ===
* проверочные работы на семинарах
* домашние задания
* проект по анализу данных
* экзамен

==Учебный процесс==

===Полезные ссылки===
Написать отзыв (анонимно): http://goo.gl/forms/RwdMxnChST 

'''Второй поток'''

Почта потока (для домашних заданий и вопросов): [mailto:hse.minor.dm@gmail.com hse.minor.dm@gmail.com]

Почта лектора: [mailto:sokolov.evg@gmail.com sokolov.evg@gmail.com]

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?usp=sharing Таблица с оценками]

Подписаться на рассылку (информация об отменах и переносах занятий): напишите пустое письмо на [mailto:hse-minor-datamining-2+subscribe@googlegroups.com hse-minor-datamining-2+subscribe@googlegroups.com]

===Расписание лекций===

{| class="wikitable"
|-
! Пара !! Группы !! Преподаватель
|-
| 2 10.30-11.50 || Второй поток, ИАД-11 – ИАД-20 (К-9) || Соколов Евгений Андреевич
|-
| 3 12.10-13.30 || Первый поток, ИАД-1 – ИАД-10 (К-9) || Игнатов Дмитрий Игоревич
|}

===Расписание семинаров===

{| class="wikitable"
|-
! Пара !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель
|-
| 1 09.00-10.20 || ИАД-8 (ауд.4335) || Панов || ИАД-11 (ауд.3214) || Козлова || ИАД-13 (ауд.4336) || Ромов || ИАД-18 (ауд.4427) || Гитман, Рысьмятова || ИАД-19 (ауд.4428) || Квасов, Полякова
|-
| 1 09.00-10.20 || ИАД-20 (ауд.3203) || Струминский || || || || || || || ||
|-
| 2 10.30-10.50 || ИАД-4 (ауд.4336) || Умнов || ИАД-8 (ауд.4335) || Панов || ИАД-9 (ауд.4427) || Папулин || ИАД-10 (ауд.4428) || Зиннурова || ||
|-
| 3 12.10-13.30 || ИАД-12 (ауд.3214) || Козлова || ИАД-14 (ауд.4427) || Папулин || ИАД-15 (ауд.4428) || Зиннурова || ИАД-16 (ауд.3203) || Даулбаев, Чиркова || ИАД-17 (ауд.4335) || Гитман, Захаров
|-
| 4 13.40-15.00 || ИАД-2 (ауд.4427) || Папулин || ИАД-3 (ауд.4428) || Шестаков || ИАД-5 (ауд.3203) || Паринов || ИАД-6 (ауд.3214) || Кашницкий || ИАД-7 (ауд.4336) || Умнов
|-
| 5 15.10-16.30 || ИАД-1 (ауд.4427) || Папулин || ИАД-6 (ауд.3214) || Кашницкий || || || || || ||
|}

===Программа лекций===

Лекция 1 (12.01.2016). Введение в машинное обучение и анализ данных. [[https://db.tt/c9XsAVym Слайды, 1 поток]] [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture01-intro.pdf Слайды, 2 поток]]

Лекция 2 (19.01.2016). Постановки задач в машинном обучении. Примеры прикладных задач. [Слайды, 1 поток] [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture02-intro.pdf Слайды, 2 поток]]

Лекция 3. Линейная алгебра и анализ данных.

Лекция 4. Математический анализ и анализ данных.

Лекция 5. Теория вероятностей и анализ данных.

Лекция 6. Математическая статистика и анализ данных.

Лекция 7. Линейная регрессия.

Лекция 8. Линейная классификация.

Лекция 9. Метрики качества алгоритмов.

Лекция 10. Оценивание качества алгоритмов.

Лекция 11. Логические методы и их интерпретируемость.

Лекция 12. Построение деревьев решений.

Лекция 13. Введение в композиции алгоритмов. Случайные леса.

Лекция 14. Особенности реальных данных.

Лекция 15. Анализ частых множеств признаков и ассоциативных правил.

Лекция 16. Задача кластеризации.

Лекция 17. Заключительная лекция.

===Страницы семинаров===
* ИАД-1, Папулин С.Ю.
* ИАД-2, Папулин С.Ю.
* [[Minor_da2016_gr3|ИАД-3, Шестаков А.]]
* [[Майнор_Анализ_Данных_ИАД-4_ИАД-7|ИАД-4, Умнов А.В.]]
* ИАД-5, Паринов А.С.
* ИАД-6, Кашницкий Ю.С.
* [[Майнор_Анализ_Данных_ИАД-4_ИАД-7|ИАД-7, Умнов А.В.]]
* ИАД-8, Панов А.И.
* ИАД-9, Папулин С.Ю.
* ИАД-10, Зиннурова Э.А.
* ИАД-11, Козлова А.
* ИАД-12, Козлова А.
* ИАД-13, Ромов П.А.
* ИАД-14, Папулин С.Ю.
* ИАД-15, Зиннурова Э.А.
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-16|ИАД-16, Даулбаев Т., Чиркова Н.]]
* ИАД-17, Гитман И., Захаров Е.
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-18| ИАД-18, Гитман И., Рысьмятова А.]]
* ИАД-19, Квасов А., Полякова Н.
* ИАД-20, Струминский К.

==Полезные материалы==
===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 Видео лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
* [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]

===Статьи===
* [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]
* [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]

===Книги===
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.
* James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.

[[Category:Майнор "Интеллектуальный анализ данных"]]