https://wiki.cs.hse.ru/api.php?action=feedcontributions&feedformat=atom&user=Apshirokov 2026-09-21T11:36:32Z Вклад MediaWiki 1.43.9 https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=44404 2020-09-15T21:01:25Z

<p>Apshirokov: Добавил ссылку на себя в telegram</p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> === Семинары ===<br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Среда || || Кирилл Поликарпов || ||<br /> |-<br /> | Пятница || || [https://t.me/tema7707 Широков Артемий] || || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки)<br /> <br /> * домашние задания (в том числе соревнование на Kaggle)<br /> <br /> * коллоквиум<br /> <br /> * экзамен<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Все лекции и другие материалы курса можно скачать здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Все материалы курса здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Семинар 1.''' Матричное дифференцирование.<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div>

Apshirokov https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=44402 2020-09-15T20:57:47Z

<p>Apshirokov: Добавил таблицу семинаров</p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Среда || || Кирилл Поликарпов || ||<br /> |-<br /> | Пятница || || Широков Артемий || || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки)<br /> <br /> * домашние задания (в том числе соревнование на Kaggle)<br /> <br /> * коллоквиум<br /> <br /> * экзамен<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Все лекции и другие материалы курса можно скачать здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Все материалы курса здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Семинар 1.''' Матричное дифференцирование.<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div>

Apshirokov