Wiki - Факультет компьютерных наук - Вклад [ru]

MC 2023

2024-03-09T09:38:32Z

Art-gold1579: /* Homeworks */

== Lecturers and Seminarists ==

{| class="wikitable" style="text-align:center"
|-
|| Lecturer || [https://www.hse.ru/org/persons/219484540 Samsonov Sergey ] || [svsamsonov@hse.ru] || T902
|-
|| Seminarist || [https://www.hse.ru/org/persons/225526439 Artur Goldman] || [...] || T926
|-
|}

== About the course ==
This page contains materials for Markov Chains course in 2023/2024 year, mandatory one for 1st year Master students of the MML program (HSE and Skoltech).

Link to telegram chat: https://t.me/+9bDEStkmdi0xMWVi

== Grading ==
The final grade consists of 3 components (each is non-negative real number from 0 to 10, without any intermediate rounding) :
* OHW for the hometasks
* OMid-term for the midterm exam
* OExam for the final exam
The formula for the final grade is
* OFinal = 0.35*OHW + 0.3*OMid-term + 0.35*OExam
with the usual (arithmetical) rounding rule.

[... '''Table with grades''']

== Lectures ==
* [https://disk.yandex.ru/i/UN0f7EuYK0G9jQ Lecture №1, 09.11]
* [... Lecture №2, 18.11]
* [https://disk.yandex.ru/i/c3wEPZ1zYaCI_g Lecture №3, 25.11]
* [https://disk.yandex.ru/i/CfhWKmbAOaEgEw Lecture №4, 02.12]
* [https://disk.yandex.ru/d/nM_XKLm4BfILhw Lecture №5-6, 16.12]
* [https://disk.yandex.ru/i/I8M-SoWlLHl3Ag Lecture №7, 13.01]
* [https://disk.yandex.ru/i/7F6gH0mFBcnn_w Lecture №8, 20.01]

== Seminars ==
https://disk.yandex.ru/d/cXeyH_vL3fEb_g

== Homeworks ==
To submit homework, join
[https://classroom.google.com/c/NjM4ODgyNjE1ODEw?cjc=y6dk72i '''Google classroom'''] — invite code '''y6dk72i'''

Homework solution file should be readable and well-organized.
* [https://disk.yandex.ru/i/UH2fNs3vp6qtFA Homework 1: Deadline 13.01.2024, 23:59]
* [https://disk.yandex.ru/i/S2MdBKkH4_J0jA Homework 2: Deadline 03.02.2024, 23:59]
* [https://disk.yandex.ru/i/WVysij7PyiKD4Q Homework 3: Deadline 17.03.2024, 23:59]
* [https://disk.yandex.ru/i/xFgnBzy6GNy2Uw Homework 4: Deadline 23.03.2024, 23:59]

== Exam ==
TBD

==Midterm ==
TBD

== Recommended literature (1st term) ==
*http://www.statslab.cam.ac.uk/~james/Markov/ - Cambridge lecture notes on discrete-time Markov Chains
*https://link.springer.com/book/10.1007%2F978-3-319-97704-1 - book by E. Moulines et al, you are mostly interested in chapters 1,2,7 and 9 (book is accessible for download through HSE network)
*https://link.springer.com/book/10.1007%2F978-3-319-62226-2 - Stochastic Calculus by P. Baldi, good overview of conditional probabilities and expectations (part 4, also accessible through HSE network)
*https://elearning.unimib.it/pluginfile.php/583708/mod_resource/content/1/1-conditional-law.pdf - Probability kernels and (regular) conditional probabilities, to the third lecture.

== Useful links ==
Energy based models:
*Tutorial from seminar: https://uvadlc-notebooks.readthedocs.io/en/latest/tutorial_notebooks/tutorial8/Deep_Energy_Models.html
*Important work on EBM: https://openai.com/research/energy-based-models
*Other EBM related works of the same author: https://energy-based-model.github.io/Energy-based-Model-MIT/
*Another tutorial on EBM from CVPR 2021: https://energy-based-models.github.io/
*Another tutorial on EBM from Yann LeCun: https://www.cs.toronto.edu/~vnair/ciar/lecun1.pdf
*Comparisson between generative models: https://arxiv.org/pdf/2103.04922.pdf

MC 2023

2024-03-06T09:26:55Z

Art-gold1579: Seminar links

== Lecturers and Seminarists ==

{| class="wikitable" style="text-align:center"
|-
|| Lecturer || [https://www.hse.ru/org/persons/219484540 Samsonov Sergey ] || [svsamsonov@hse.ru] || T902
|-
|| Seminarist || [https://www.hse.ru/org/persons/225526439 Artur Goldman] || [...] || T926
|-
|}

== About the course ==
This page contains materials for Markov Chains course in 2023/2024 year, mandatory one for 1st year Master students of the MML program (HSE and Skoltech).

Link to telegram chat: https://t.me/+9bDEStkmdi0xMWVi

== Grading ==
The final grade consists of 3 components (each is non-negative real number from 0 to 10, without any intermediate rounding) :
* OHW for the hometasks
* OMid-term for the midterm exam
* OExam for the final exam
The formula for the final grade is
* OFinal = 0.35*OHW + 0.3*OMid-term + 0.35*OExam
with the usual (arithmetical) rounding rule.

[... '''Table with grades''']

== Lectures ==
* [https://disk.yandex.ru/i/UN0f7EuYK0G9jQ Lecture №1, 09.11]
* [... Lecture №2, 18.11]
* [https://disk.yandex.ru/i/c3wEPZ1zYaCI_g Lecture №3, 25.11]
* [https://disk.yandex.ru/i/CfhWKmbAOaEgEw Lecture №4, 02.12]
* [https://disk.yandex.ru/d/nM_XKLm4BfILhw Lecture №5-6, 16.12]
* [https://disk.yandex.ru/i/I8M-SoWlLHl3Ag Lecture №7, 13.01]
* [https://disk.yandex.ru/i/7F6gH0mFBcnn_w Lecture №8, 20.01]

== Seminars ==
https://disk.yandex.ru/d/cXeyH_vL3fEb_g

== Homeworks ==
To submit homework, join
[https://classroom.google.com/c/NjM4ODgyNjE1ODEw?cjc=y6dk72i '''Google classroom'''] — invite code '''y6dk72i'''

Homework solution file should be readable and well-organized.
* [https://disk.yandex.ru/i/UH2fNs3vp6qtFA Homework 1: Deadline 13.01.2024, 23:59]
* [https://disk.yandex.ru/i/S2MdBKkH4_J0jA Homework 2: Deadline 03.02.2024, 23:59]
* [https://disk.yandex.ru/i/WVysij7PyiKD4Q Homework 3: Deadline 17.03.2024, 23:59]

== Exam ==
TBD

==Midterm ==
TBD

== Recommended literature (1st term) ==
*http://www.statslab.cam.ac.uk/~james/Markov/ - Cambridge lecture notes on discrete-time Markov Chains
*https://link.springer.com/book/10.1007%2F978-3-319-97704-1 - book by E. Moulines et al, you are mostly interested in chapters 1,2,7 and 9 (book is accessible for download through HSE network)
*https://link.springer.com/book/10.1007%2F978-3-319-62226-2 - Stochastic Calculus by P. Baldi, good overview of conditional probabilities and expectations (part 4, also accessible through HSE network)
*https://elearning.unimib.it/pluginfile.php/583708/mod_resource/content/1/1-conditional-law.pdf - Probability kernels and (regular) conditional probabilities, to the third lecture.

== Useful links ==
Energy based models:
*Tutorial from seminar: https://uvadlc-notebooks.readthedocs.io/en/latest/tutorial_notebooks/tutorial8/Deep_Energy_Models.html
*Important work on EBM: https://openai.com/research/energy-based-models
*Other EBM related works of the same author: https://energy-based-model.github.io/Energy-based-Model-MIT/
*Another tutorial on EBM from CVPR 2021: https://energy-based-models.github.io/
*Another tutorial on EBM from Yann LeCun: https://www.cs.toronto.edu/~vnair/ciar/lecun1.pdf
*Comparisson between generative models: https://arxiv.org/pdf/2103.04922.pdf

MC 2023

2024-02-25T11:48:55Z

Art-gold1579: /* Homeworks */

== Lecturers and Seminarists ==

{| class="wikitable" style="text-align:center"
|-
|| Lecturer || [https://www.hse.ru/org/persons/219484540 Samsonov Sergey ] || [svsamsonov@hse.ru] || T902
|-
|| Seminarist || [https://www.hse.ru/org/persons/225526439 Artur Goldman] || [...] || T926
|-
|}

== About the course ==
This page contains materials for Markov Chains course in 2023/2024 year, mandatory one for 1st year Master students of the MML program (HSE and Skoltech).

Link to telegram chat: https://t.me/+9bDEStkmdi0xMWVi

== Grading ==
The final grade consists of 3 components (each is non-negative real number from 0 to 10, without any intermediate rounding) :
* OHW for the hometasks
* OMid-term for the midterm exam
* OExam for the final exam
The formula for the final grade is
* OFinal = 0.35*OHW + 0.3*OMid-term + 0.35*OExam
with the usual (arithmetical) rounding rule.

[... '''Table with grades''']

== Lectures ==
* [https://disk.yandex.ru/i/UN0f7EuYK0G9jQ Lecture №1, 09.11]
* [... Lecture №2, 18.11]
* [https://disk.yandex.ru/i/c3wEPZ1zYaCI_g Lecture №3, 25.11]
* [https://disk.yandex.ru/i/CfhWKmbAOaEgEw Lecture №4, 02.12]
* [https://disk.yandex.ru/d/nM_XKLm4BfILhw Lecture №5-6, 16.12]
* [https://disk.yandex.ru/i/I8M-SoWlLHl3Ag Lecture №7, 13.01]
* [https://disk.yandex.ru/i/7F6gH0mFBcnn_w Lecture №8, 20.01]

== Seminars ==
https://disk.yandex.ru/d/cXeyH_vL3fEb_g

== Homeworks ==
To submit homework, join
[https://classroom.google.com/c/NjM4ODgyNjE1ODEw?cjc=y6dk72i '''Google classroom'''] — invite code '''y6dk72i'''

Homework solution file should be readable and well-organized.
* [https://disk.yandex.ru/i/UH2fNs3vp6qtFA Homework 1: Deadline 13.01.2024, 23:59]
* [https://disk.yandex.ru/i/S2MdBKkH4_J0jA Homework 2: Deadline 03.02.2024, 23:59]
* [https://disk.yandex.ru/i/WVysij7PyiKD4Q Homework 3: Deadline 17.03.2024, 23:59]

== Exam ==
TBD

==Midterm ==
TBD

== Recommended literature (1st term) ==
*http://www.statslab.cam.ac.uk/~james/Markov/ - Cambridge lecture notes on discrete-time Markov Chains
*https://link.springer.com/book/10.1007%2F978-3-319-97704-1 - book by E. Moulines et al, you are mostly interested in chapters 1,2,7 and 9 (book is accessible for download through HSE network)
*https://link.springer.com/book/10.1007%2F978-3-319-62226-2 - Stochastic Calculus by P. Baldi, good overview of conditional probabilities and expectations (part 4, also accessible through HSE network)
*https://elearning.unimib.it/pluginfile.php/583708/mod_resource/content/1/1-conditional-law.pdf - Probability kernels and (regular) conditional probabilities, to the third lecture.

Математическая статистика 2023/24 (основной поток)

2024-01-17T06:32:46Z

Art-gold1579: marks spreadsheet

== Преподаватели и учебные ассистенты ==
{| class="wikitable" style="text-align:center"
|-
! Группа !! БПМИ225 !! БПМИ226 !! БПМИ227 !! БПМИ228 !! БПМИ229 !! БПМИ2210
|-
|| Лектор ||colspan="6"| [https://www.hse.ru/org/persons/768875836 Дарина Михайловна Двинских]
|-
|| Семинарист || [https://t.me/dvini Дарина Двинских] || Платон Промыслов || Екатерина Морозова || Екатерина Морозова || Артур Гольдман || Гейдар Багиров
|-
|| Ассистент(ы) || [https://t.me/lipperrdino Анна Маркович] [https://t.me/mangustenok Алина Августенок] || Андрей Грузицкий Илья Дробышевский || Дегтярев Роман Игорь Маркелов || Алексей Пеньков Елисей Шинкарев || Антон Нуждин Тимофей Сенин || Родион Черномордин Игорь Рябков
|-
|| Группа в телеграмме || [https://t.me/+m79bwPmm7Z43NWZi Группа 225] || Группа 226 || [https://t.me/+J6_GZQ6ImIk2ZmQy Группа 227] || [https://t.me/+OoSXiXWLEINhOTMy Группа 228] || Группа 229 || [https://t.me/+fHwdIov02sxlOGRi Группа 2210]
|-
|colspan="7"| [https://t.me/+heCu-0Wrpx5lZWQy Канал в Telegram]
|-
|colspan="7"| [https://t.me/+4eHAS-LCmYdhNGFi Чат в Telegram]
|}

== Организационные моменты ==

===Форма контроля===
* Домашние задания - 20% от оценки
* Контрольная работа - 25% от оценки
* Два коллоквиума - 30% от оценки
* Письменный экзамен - 25% от оценки

===Формула оценки ===
Оценка за курс вычисляется по формуле

Оитог = 0.2 * ДЗ + 0.15 * K1 + 0.25 * КР + 0.15 * K2 + 0.25 * Э,

где

* ДЗ — оценка за домашние задания;
* K1 — оценка за первый коллоквиум;
* КР — оценка за контрольную работу;
* K2 — оценка за второй коллоквиум;
* Э — оценка за экзамен.

Округляется только итоговый балл. Правило округления стандартное (арифметическое).

'''Автомат'''

При желании студент может не приходить на экзамен и получить накопленную оценку, которая определяется как

Накоп = min{8, Округление((0.2 * ДЗ + 0.15 * K1 + 0.25 * КР + 0.15 * K2) / 0.75)}.

О желании получить оценку по формуле Накоп студент обязан сообщить до начала экзамена. В противном случае итоговая оценка рассчитывается по формуле Итог.

===Пересдачи ===
Первая пересдача проводится в формате, аналогичном экзамену, и представляет собой пересдачу экзамена. Формула итоговой оценки не меняется.
Вторая пересдача (с комиссией) проводится в устном формате. Формула итоговой оценки не меняется.

=== Ведомость с оценками ===

{| class="wikitable" style="text-align:center"
|-
! [https://docs.google.com/spreadsheets/d/1cCqAA__RB_4fIZVoyqqyPBSUCE5YxrY2Kha4zpoRBVE/edit#gid=1652978042 225] !! [https://docs.google.com/spreadsheets/d/1cCqAA__RB_4fIZVoyqqyPBSUCE5YxrY2Kha4zpoRBVE/edit#gid=1730949857 226] !! [https://docs.google.com/spreadsheets/d/1cCqAA__RB_4fIZVoyqqyPBSUCE5YxrY2Kha4zpoRBVE/edit#gid=395481306 227] !! [https://docs.google.com/spreadsheets/d/1cCqAA__RB_4fIZVoyqqyPBSUCE5YxrY2Kha4zpoRBVE/edit#gid=1852538903 228] !! [https://docs.google.com/spreadsheets/d/1cCqAA__RB_4fIZVoyqqyPBSUCE5YxrY2Kha4zpoRBVE/edit#gid=237567203 229] !! [https://docs.google.com/spreadsheets/d/1cCqAA__RB_4fIZVoyqqyPBSUCE5YxrY2Kha4zpoRBVE/edit#gid=315879266 2210]
|}

== Домашние задания ==

Домашние задания состоят из 3-4 теоретических или практических задач. Стандартный срок выполнения: 2 недели (возможны исключения). Решения после дедлайна не принимаются. Однако будет возможностью досдать одну домашнюю работу в семестре, договорившись заранее с ассистентом. Итоговая оценка за все домашние задания выставляется по 10-балльной шкале.

=== Список ДЗ ===
* TBA

== Контрольная работа ==

=== Как проходит ===

Контрольная работа проводится в письменной форме. Продолжительность составляет 2 часа. Студенту разрешается принести 1 лист A4 со вспомогательными материалами. Использовать электронные устройства запрещается. Оценка выставляется по 10-балльной шкале.

=== Сводка ===

== Коллоквиумы ==
=== Как проходят ===

Коллоквиумы проходят в устной форме. Использовать любые материалы запрещено. Студент получает билет, состоящий из теоретических вопросов и задач. После ответа студенту могут быть заданы дополнительные вопросы по программе курса, а также предложены задачи на понимание теоретического материала. Оценка за коллоквиум выставляется по 10-балльной шкале на основании общего впечатления преподавателя от ответа студента.

== Экзамен ==

Экзамен проводится в письменной форме. Продолжительность составляет 2 часа. Студенту разрешается принести 1 лист A4 со вспомогательными материалами. Использовать электронные устройства запрещается. Оценка выставляется по 10-балльной шкале. Письменный экзамен проходит во время сессии 4 модуля

== Материалы ==

[https://disk.yandex.ru/d/eNarqJXqcnFQBQ '''Видеозаписи лекций''']

=== Темы лекций ===
# Вводная лекция. Основные понятия и задача предсказания итогов выборов
# Параметрическая и непараметрическая модели. Точечные оценки и их свойства. Сравнение оценок.
# Информация Фишера, функция правдоподобия, эффективные оценки и неравенство Рао-Крамера.
# Метод моментов и метод максимального правдоподобия. Свойства оценок максимального правдоподобия.
# Условные математические ожидания и вероятности. Свойства условного математического ожидания.
# Достаточные статистики. Критерий факторизации. Теорема Рао-Блекуэлла-Колмогорова.
# Интервальное оценивание. Доверительные интервалы. Центральная статистика.
# Байесовское оценивание. Априорное и апостериорное распределения. Сопряженное априорное распределение.
# Основные понятия статистической проверки гипотез. Простая и сложная гипотезы.
# Критерии согласия для проверки гипотезы о виде распределения. Критерий согласия Колмогорова. Теорема Гливенко-Кантелли. Критерий Пирсона хи-квадрат.
# Лемма Неймана-Пирсона. Равномерно наиболее мощный критерий.
# Байесовский подход к проверке гипотез.
# Проверка гипотез независимости и однородности. Критерии хи-квадрат для проверки гипотез независимости и однородности. Множественное тестирование, поправка Бонферрони.
# Проверка гипотезы однородности в гауссовском случае, F-тест и t-тест.
# Модель линейной регрессии. Свойства оценки метода наименьших квадратов. Риск оценки метода наименьших квадратов.
# Нарушение линейного параметрического предположения в модели регрессии. Оценки риска, ошибка аппроксимации и стохастическая ошибка.
# Мисспецифицированный шум в модели линейной регрессии. Теорема Гаусса-Маркова.
# Проверка гипотез в модели линейной регрессии. Коэффициент детерминации.
# Интервальное оценивание в модели линейной регрессии.
# Выбор модели. Информационный критерий Акаике и байесовский информационный критерий.
# Непараметрическая оценка плотности. Ядерная оценка.
# Непараметрическая регрессия. Оценка Надарая-Ватсона.

[https://disk.yandex.ru/i/F5nTjQH9AFZqXQ ''' Обновляемый конспект лекций(пилотного потока, 2024)''']

([https://www.overleaf.com/read/dvjhrjzcgfsm '''Лекции с прошлого года (2023):''']);

=== Семинары ===
* TBA

[https://www.overleaf.com/read/rdsjnhwmdtry '''Конспект лекций, оформленные студентами, по темам второго коллоквиума прошлого года (2023):''']

== Список рекомендуемой литературы ==

* Ивченко Г. И., Медведев Ю. И., ''Введение в математическую статистику'' ([https://disk.yandex.ru/i/waXgDQWDh_rgTA ссылка]);
* М. Б. Лагутин ''Наглядная математическая статистика'' ([http://iosipoi.com/teachingfiles/stat/Lagutin.pdf ссылка]);
* Бородин А. Н., ''Элементарный курс теории вероятностей и математической статистики''([https://disk.yandex.ru/i/Ubk5YLMk_PJjYw ссылка]);
* Боровков А. А., ''Математическая статистика'' ([https://disk.yandex.ru/i/212K-4gWWwjQzA ссылка]);
* Larry A. Wasserman ''All of Statistics: A Concise Course in Statistical Inference'' ([https://egrcc.github.io/docs/math/all-of-statistics.pdf ссылка]);
* Натан А. А., Горбачев О. Г., Гуз С. А., ''Математическая статистика'' ([https://disk.yandex.ru/i/gtKNf7r9uTNluw ссылка]);
* Ушаков В. Г., конспекты лекций по математической статистике (ВМК МГУ, [https://disk.yandex.ru/i/yx8zyo-oLIjwkQ ссылка]);
* Пучкин Н., конспекты лекций по статистической теории обучения (отсюда можно взять неравенства концентрации, [https://disk.yandex.ru/i/c3KUxTQ70hGKjg ссылка]).

==Материалы зарубежных курсов по статистике ==

* Zhou Fan (Stanford University) [https://web.stanford.edu/class/archive/stats/stats200/stats200.1172/lectures.html ссылка];
* Philippe Rigollet (MIT) [https://ocw.mit.edu/courses/18-650-statistics-for-applications-fall-2016/pages/lecture-slides/ ссылка];
* Larry Wasserman (Carnegie Mellon University) [https://www.stat.cmu.edu/~larry/=stat705/ ссылка];

== Страницы прошлых лет ==

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F_%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_2022/2023_(%D0%BE%D1%81%D0%BD%D0%BE%D0%B2%D0%BD%D0%BE%D0%B9_%D0%BF%D0%BE%D1%82%D0%BE%D0%BA) 2022/2023 учебный год]

'''Предупреждение:''' программа курса значительно изменилась по сравнению с прошлыми годами.

[http://wiki.cs.hse.ru/Теория_вероятностей_и_математическая_статистика_2020/2021_(пилотный_поток) 2020/2021 учебный год]

[http://wiki.cs.hse.ru/Теория_вероятностей_и_математическая_статистика_2019/2020_(пилотный_поток) 2019/2020 учебный год]

MC 2023

2024-01-13T11:28:50Z

Art-gold1579: /* Homeworks */ HW 2 added

== Lecturers and Seminarists ==

{| class="wikitable" style="text-align:center"
|-
|| Lecturer || [https://www.hse.ru/org/persons/219484540 Samsonov Sergey ] || [svsamsonov@hse.ru] || T902
|-
|| Seminarist || [https://www.hse.ru/org/persons/225526439 Artur Goldman] || [...] || T926
|-
|}

== About the course ==
This page contains materials for Markov Chains course in 2023/2024 year, mandatory one for 1st year Master students of the MML program (HSE and Skoltech).

Link to telegram chat: https://t.me/+9bDEStkmdi0xMWVi

== Grading ==
The final grade consists of 3 components (each is non-negative real number from 0 to 10, without any intermediate rounding) :
* OHW for the hometasks
* OMid-term for the midterm exam
* OExam for the final exam
The formula for the final grade is
* OFinal = 0.35*OHW + 0.3*OMid-term + 0.35*OExam
with the usual (arithmetical) rounding rule.

[... '''Table with grades''']

== Lectures ==
* [https://disk.yandex.ru/i/UN0f7EuYK0G9jQ Lecture №1, 09.11]
* [... Lecture №2, 18.11]
* [https://disk.yandex.ru/i/c3wEPZ1zYaCI_g Lecture №3, 25.11]
* [https://disk.yandex.ru/i/CfhWKmbAOaEgEw Lecture №4, 02.12]

== Seminars ==
https://disk.yandex.ru/d/cXeyH_vL3fEb_g

== Homeworks ==
To submit homework, join
[https://classroom.google.com/c/NjM4ODgyNjE1ODEw?cjc=y6dk72i '''Google classroom'''] — invite code '''y6dk72i'''

Homework solution file should be readable and well-organized.
* [https://disk.yandex.ru/i/UH2fNs3vp6qtFA Homework 1: Deadline 13.01.2024, 23:59]
* [https://disk.yandex.ru/i/S2MdBKkH4_J0jA Homework 2: Deadline 03.02.2024, 23:59]

== Exam ==
TBD

==Midterm ==
TBD

== Recommended literature (1st term) ==
*http://www.statslab.cam.ac.uk/~james/Markov/ - Cambridge lecture notes on discrete-time Markov Chains
*https://link.springer.com/book/10.1007%2F978-3-319-97704-1 - book by E. Moulines et al, you are mostly interested in chapters 1,2,7 and 9 (book is accessible for download through HSE network)
*https://link.springer.com/book/10.1007%2F978-3-319-62226-2 - Stochastic Calculus by P. Baldi, good overview of conditional probabilities and expectations (part 4, also accessible through HSE network)
*https://elearning.unimib.it/pluginfile.php/583708/mod_resource/content/1/1-conditional-law.pdf - Probability kernels and (regular) conditional probabilities, to the third lecture.

Математическая статистика 2023/24 (основной поток)

2024-01-09T12:06:11Z

Art-gold1579: Update

Математическая статистика 2023/24 (основной поток)

2024-01-09T11:49:55Z

Art-gold1579: Первое изменение

MC 2023

2023-12-20T15:19:13Z

Art-gold1579: deadline change

MC 2023

2023-12-01T13:26:25Z

Art-gold1579: info about homework

MC 2023

2023-12-01T13:12:16Z

Art-gold1579: update hw1

MC 2023

2023-12-01T09:54:45Z

Art-gold1579: google classroom update

MC 2023

2023-12-01T09:44:36Z

Art-gold1579: HW 1 uploaded

MC 2023

2023-11-25T11:07:41Z

Art-gold1579: tg chat link

Математическая статистика 2022/2023 (основной поток)

2023-01-13T14:51:35Z

Art-gold1579:

== Преподаватели и учебные ассистенты ==
{| class="wikitable" style="text-align:center"
|-
! Группа !! БПМИ213 !! БПМИ215 !! БПМИ216 !! БПМИ217 !! БПМИ218 !! БПМИ219 !! БПМИ2110
|-
|| Лектор ||colspan="6"| [https://www.hse.ru/org/persons/768875836 Дарина Двинских]
|-
|| Семинарист || [https://t.me/DuckBinLaden Павел Захаров] || [https://t.me/denrakitin23 Денис Ракитин] || Денис Богуцкий || [https://t.me/artgoldman Артур Гольдман] || [https://t.me/dvini Дарина Двинских] || [https://t.me/levensons Илья Левин] || Евгений Лагутин
|-
|| Ассистент(ы) || [https://t.me/vslvskyy Василевская Юлия] || Ульяна Виноградова [https://t.me/mathalex Бойков Алексей] || [https://t.me/tutugarin Ершов Иван] [https://t.me/hey_m8 Гринев Тимофей] || Кирилл Тамогашев [https://t.me/kkorolev1 Кирилл Королев] || [https://t.me/unconscious_i Иевлева Александра] [https://t.me/abezrukovaa Анастасия Безрукова] || [https://t.me/tgritsaev Тимофей Грицаев] [https://t.me/LebesgueH Максимов Ян] || Антон Бельский Варвара Руденко
|-
|| Группа в телеграмме || [https://t.me/+TnTn7snDl0NiYWQy Группа 213] || [ Группа 215] || [ Группа 216] || [https://t.me/+QR8n9qSyIxk5Nzcy Группа 217] || [https://t.me/+o_nOALw_x4ZlNjUy Группа 218] || [ Группа 219] || [ Группа 2110]
|}

== Организационные моменты ==
=== Правила игры ===
Оценка за курс складывается из нескольких факторов:
* Одна контрольная работа (письменная, ориентировочно после 3-го модуля);
* Два коллоквиума;
* Домашние задания. В среднем, на каждом семинаре будут выдавать по 2-3 задачи для самостоятельного решения, которые будет нужно письменно сдавать ассистентам;
* Письменный экзамен;

Округляется только итоговый балл.
* Оценка высчитывается по следующей формуле:

Оитог = 0.2 * ОКР + 0.15 * Околлоквиум 1 + 0.15 * Околлоквиум 2 + 0.2 * ОДЗ + 0.3 * Оэкзамен.

=== Ведомость с оценками ===

{| class="wikitable" style="text-align:center"
|-
! [https://docs.google.com/spreadsheets/d/1UGOaVFK8lpaAwymeUQJujV4gddDwMjgkWKcjVQLoyww/edit#gid=1033825090 211] !! [https://docs.google.com/spreadsheets/d/1UGOaVFK8lpaAwymeUQJujV4gddDwMjgkWKcjVQLoyww/edit#gid=443768650 212] !!
[https://docs.google.com/spreadsheets/d/1ltCvD9db3J-voyND9LBIcgGVDScXY6zev3-9con_STA/edit?usp=sharing 214]
|}

== Контрольные работы ==

=== Правила игры ===

=== Сводка ===

== Коллоквиумы ==
=== Как проходят ===

=== Сводка ===

== Материалы ==

=== Лекции ===
Вводная лекция
([https://www.overleaf.com/read/ktxdrsyznqvq ссылка]);

'''Записи лекций:'''

'''Конспекты лекций:'''

== Домашние задания ==
Разрешено сдать одно домашнее задание после дедлайна. О сдачи после дедлайна нужно предварительно сообщить ассистенту. Дедлайн сдачи домашнего задания строгий.
=== Список ДЗ ===
* [https://youtu.be/dQw4w9WgXcQ Домашнее задание №0, дедлайн - 31.02, 23:59]

== Список рекомендуемой литературы ==

* Larry A. Wasserman ''All of Statistics: A Concise Course in Statistical Inference'' ([https://egrcc.github.io/docs/math/all-of-statistics.pdf ссылка]);
* Ивченко Г. И., Медведев Ю. И., ''Введение в математическую статистику'' ([https://disk.yandex.ru/i/waXgDQWDh_rgTA ссылка]);
* М. Б. Лагутин ''Наглядная математическая статистика'' ([http://iosipoi.com/teachingfiles/stat/Lagutin.pdf ссылка]);
* Бородин А. Н., ''Элементарный курс теории вероятностей и математической статистики''([https://disk.yandex.ru/i/Ubk5YLMk_PJjYw ссылка]);
* Боровков А. А., ''Математическая статистика'' ([https://disk.yandex.ru/i/212K-4gWWwjQzA ссылка]);
* Натан А. А., Горбачев О. Г., Гуз С. А., ''Математическая статистика'' ([https://disk.yandex.ru/i/gtKNf7r9uTNluw ссылка]);
* Ушаков В. Г., конспекты лекций по математической статистике (ВМК МГУ, [https://disk.yandex.ru/i/yx8zyo-oLIjwkQ ссылка]);
* Пучкин Н., конспекты лекций по статистической теории обучения (отсюда можно взять неравенства концентрации, [https://disk.yandex.ru/i/c3KUxTQ70hGKjg ссылка]).

== Страницы прошлых лет ==

'''Предупреждение:''' программа курса значительно изменилась по сравнению с прошлыми годами.

[http://wiki.cs.hse.ru/Теория_вероятностей_и_математическая_статистика_2020/2021_(пилотный_поток) 2020/2021 учебный год]

[http://wiki.cs.hse.ru/Теория_вероятностей_и_математическая_статистика_2019/2020_(пилотный_поток) 2019/2020 учебный год]

Математическая статистика 2022/2023 (основной поток)

2023-01-13T14:51:15Z

Art-gold1579:

== Преподаватели и учебные ассистенты ==
{| class="wikitable" style="text-align:center"
|-
! Группа !! БПМИ213 !! БПМИ215 !! БПМИ216 !! БПМИ217 !! БПМИ218 !! БПМИ219 !! БПМИ2110
|-
|| Лектор ||colspan="6"| [https://www.hse.ru/org/persons/768875836 Дарина Двинских]
|-
|| Семинарист || [https://t.me/DuckBinLaden Павел Захаров] || [https://t.me/denrakitin23 Денис Ракитин] || Денис Богуцкий || [https://t.me/artgoldman Артур Гольдман] || [https://t.me/dvini Дарина Двинских] || [https://t.me/levensons Илья Левин] || Евгений Лагутин
|-
|| Ассистент(ы) || [https://t.me/vslvskyy Василевская Юлия] || Ульяна Виноградова [https://t.me/mathalex Бойков Алексей] || [https://t.me/tutugarin Ершов Иван] [https://t.me/hey_m8 Гринев Тимофей] || Кирилл Тамогашев [https://t.me/kkorolev1 Кирилл Королев] || [https://t.me/unconscious_i Иевлева Александра] [https://t.me/abezrukovaa Анастасия Безрукова] || [https://t.me/tgritsaev Тимофей Грицаев] [https://t.me/LebesgueH Максимов Ян] || Антон Бельский Варвара Руденко
|-
|| Группа в телеграмме || [https://t.me/+TnTn7snDl0NiYWQy Группа 213] || [ Группа 215] || [ Группа 216] || [https://t.me/+QR8n9qSyIxk5Nzcy Группа 217] || [https://t.me/+o_nOALw_x4ZlNjUy Группа 218] || [ Группа 219] || [ Группа 2110]
|}

== Организационные моменты ==
=== Правила игры ===
Оценка за курс складывается из нескольких факторов:
* Одна контрольная работа (письменная, ориентировочно после 3-го модуля);
* Два коллоквиума;
* Домашние задания. В среднем, на каждом семинаре будут выдавать по 2-3 задачи для самостоятельного решения, которые будет нужно письменно сдавать ассистентам;
* Письменный экзамен;

Округляется только итоговый балл.
* Оценка высчитывается по следующей формуле:

Оитог = 0.2 * ОКР + 0.15 * Околлоквиум 1 + 0.15 * Околлоквиум 2 + 0.2 * ОДЗ + 0.3 * Оэкзамен.

=== Ведомость с оценками ===

{| class="wikitable" style="text-align:center"
|-
! [https://docs.google.com/spreadsheets/d/1UGOaVFK8lpaAwymeUQJujV4gddDwMjgkWKcjVQLoyww/edit#gid=1033825090 211] !! [https://docs.google.com/spreadsheets/d/1UGOaVFK8lpaAwymeUQJujV4gddDwMjgkWKcjVQLoyww/edit#gid=443768650 212] !!
[https://docs.google.com/spreadsheets/d/1ltCvD9db3J-voyND9LBIcgGVDScXY6zev3-9con_STA/edit?usp=sharing 214]
|}

== Контрольные работы ==

=== Правила игры ===

=== Сводка ===

== Коллоквиумы ==
=== Как проходят ===

=== Сводка ===

== Материалы ==

=== Лекции ===
Вводная лекция
([https://www.overleaf.com/read/ktxdrsyznqvq ссылка]);

'''Записи лекций:'''

'''Конспекты лекций:'''

== Домашние задания ==
=== Список ДЗ ===
* [https://youtu.be/dQw4w9WgXcQ Домашнее задание №0, дедлайн - 31.02, 23:59]

== Список рекомендуемой литературы ==

* Larry A. Wasserman ''All of Statistics: A Concise Course in Statistical Inference'' ([https://egrcc.github.io/docs/math/all-of-statistics.pdf ссылка]);
* Ивченко Г. И., Медведев Ю. И., ''Введение в математическую статистику'' ([https://disk.yandex.ru/i/waXgDQWDh_rgTA ссылка]);
* М. Б. Лагутин ''Наглядная математическая статистика'' ([http://iosipoi.com/teachingfiles/stat/Lagutin.pdf ссылка]);
* Бородин А. Н., ''Элементарный курс теории вероятностей и математической статистики''([https://disk.yandex.ru/i/Ubk5YLMk_PJjYw ссылка]);
* Боровков А. А., ''Математическая статистика'' ([https://disk.yandex.ru/i/212K-4gWWwjQzA ссылка]);
* Натан А. А., Горбачев О. Г., Гуз С. А., ''Математическая статистика'' ([https://disk.yandex.ru/i/gtKNf7r9uTNluw ссылка]);
* Ушаков В. Г., конспекты лекций по математической статистике (ВМК МГУ, [https://disk.yandex.ru/i/yx8zyo-oLIjwkQ ссылка]);
* Пучкин Н., конспекты лекций по статистической теории обучения (отсюда можно взять неравенства концентрации, [https://disk.yandex.ru/i/c3KUxTQ70hGKjg ссылка]).

== Страницы прошлых лет ==

'''Предупреждение:''' программа курса значительно изменилась по сравнению с прошлыми годами.

[http://wiki.cs.hse.ru/Теория_вероятностей_и_математическая_статистика_2020/2021_(пилотный_поток) 2020/2021 учебный год]

[http://wiki.cs.hse.ru/Теория_вероятностей_и_математическая_статистика_2019/2020_(пилотный_поток) 2019/2020 учебный год]

Математическая статистика 2022/2023 (основной поток)

2023-01-13T14:48:22Z

Art-gold1579:

== Преподаватели и учебные ассистенты ==
{| class="wikitable" style="text-align:center"
|-
! Группа !! БПМИ213 !! БПМИ215 !! БПМИ216 !! БПМИ217 !! БПМИ218 !! БПМИ219 !! БПМИ2110
|-
|| Лектор ||colspan="6"| [https://www.hse.ru/org/persons/768875836 Дарина Двинских]
|-
|| Семинарист || [https://t.me/DuckBinLaden Павел Захаров] || [https://t.me/denrakitin23 Денис Ракитин] || Денис Богуцкий || [https://t.me/artgoldman Артур Гольдман] || [https://t.me/dvini Дарина Двинских] || [https://t.me/levensons Илья Левин] || Евгений Лагутин
|-
|| Ассистент(ы) || [https://t.me/vslvskyy Василевская Юлия] || Ульяна Виноградова [https://t.me/mathalex Бойков Алексей] || [https://t.me/tutugarin Ершов Иван] [https://t.me/hey_m8 Гринев Тимофей] || Кирилл Тамогашев [https://t.me/kkorolev1 Кирилл Королев] || [https://t.me/unconscious_i Иевлева Александра] [https://t.me/abezrukovaa Анастасия Безрукова] || [https://t.me/tgritsaev Тимофей Грицаев] [https://t.me/LebesgueH Максимов Ян] || Антон Бельский Варвара Руденко
|-
|| Группа в телеграмме || [https://t.me/+TnTn7snDl0NiYWQy Группа 213] || [ Группа 215] || [ Группа 216] || [https://t.me/+QR8n9qSyIxk5Nzcy Группа 217] || [https://t.me/+o_nOALw_x4ZlNjUy Группа 218] || [ Группа 219] || [ Группа 2110]
|}

== Организационные моменты ==
=== Правила игры ===
Оценка за курс складывается из нескольких факторов:
* Одна контрольная работа (письменная, ориентировочно после 3-го модуля);
* Два коллоквиума;
* Домашние задания. В среднем, на каждом семинаре будут выдавать по 2-3 задачи для самостоятельного решения, которые будет нужно письменно сдавать ассистентам;
* Письменный экзамен;

Округляется только итоговый балл.
* Оценка высчитывается по следующей формуле:

Оитог = 0.2 * ОКР + 0.15 * Околлоквиум 1 + 0.15 * Околлоквиум 2 + 0.2 * ОДЗ + 0.3 * Оэкзамен.

=== ДЗ: Правила, Ведомость с оценками ===
Разрешено сдать одно домашнее задание после дедлайна. О сдачи после дедлайна нужно предварительно сообщить ассистенту. Дедлайн сдачи домашнего задания строгий.
{| class="wikitable" style="text-align:center"
|-
! [https://docs.google.com/spreadsheets/d/1UGOaVFK8lpaAwymeUQJujV4gddDwMjgkWKcjVQLoyww/edit#gid=1033825090 211] !! [https://docs.google.com/spreadsheets/d/1UGOaVFK8lpaAwymeUQJujV4gddDwMjgkWKcjVQLoyww/edit#gid=443768650 212] !!
[https://docs.google.com/spreadsheets/d/1ltCvD9db3J-voyND9LBIcgGVDScXY6zev3-9con_STA/edit?usp=sharing 214]
|}

== Контрольные работы ==

=== Правила игры ===

=== Сводка ===

== Коллоквиумы ==
=== Как проходят ===

=== Сводка ===

== Материалы ==

=== Лекции ===
Вводная лекция
([https://www.overleaf.com/read/ktxdrsyznqvq ссылка]);

'''Записи лекций:'''

'''Конспекты лекций:'''

== Домашние задания ==
=== Список ДЗ ===
* [https://youtu.be/dQw4w9WgXcQ Домашнее задание №0, дедлайн - 31.02, 23:59]

== Список рекомендуемой литературы ==

* Larry A. Wasserman ''All of Statistics: A Concise Course in Statistical Inference'' ([https://egrcc.github.io/docs/math/all-of-statistics.pdf ссылка]);
* Ивченко Г. И., Медведев Ю. И., ''Введение в математическую статистику'' ([https://disk.yandex.ru/i/waXgDQWDh_rgTA ссылка]);
* М. Б. Лагутин ''Наглядная математическая статистика'' ([http://iosipoi.com/teachingfiles/stat/Lagutin.pdf ссылка]);
* Бородин А. Н., ''Элементарный курс теории вероятностей и математической статистики''([https://disk.yandex.ru/i/Ubk5YLMk_PJjYw ссылка]);
* Боровков А. А., ''Математическая статистика'' ([https://disk.yandex.ru/i/212K-4gWWwjQzA ссылка]);
* Натан А. А., Горбачев О. Г., Гуз С. А., ''Математическая статистика'' ([https://disk.yandex.ru/i/gtKNf7r9uTNluw ссылка]);
* Ушаков В. Г., конспекты лекций по математической статистике (ВМК МГУ, [https://disk.yandex.ru/i/yx8zyo-oLIjwkQ ссылка]);
* Пучкин Н., конспекты лекций по статистической теории обучения (отсюда можно взять неравенства концентрации, [https://disk.yandex.ru/i/c3KUxTQ70hGKjg ссылка]).

== Страницы прошлых лет ==

'''Предупреждение:''' программа курса значительно изменилась по сравнению с прошлыми годами.

[http://wiki.cs.hse.ru/Теория_вероятностей_и_математическая_статистика_2020/2021_(пилотный_поток) 2020/2021 учебный год]

[http://wiki.cs.hse.ru/Теория_вероятностей_и_математическая_статистика_2019/2020_(пилотный_поток) 2019/2020 учебный год]

Statistical learning theory 2022

2022-09-07T12:54:12Z

Art-gold1579:

== General Information ==

Lectures: Friday 16h20 -- 17h40, [https://www.hse.ru/en/org/persons/160550073 Bruno Bauwens], [https://www.hse.ru/staff/mkaledin Maxim Kaledin]

Seminars: 09.09 -- 01.10 Saturday 14:40 -- 16:00, starting from 07.10 Friday 18h10 -- 19h30, [https://www.hse.ru/org/persons/225526439 Artur Goldman],

For discussions of the materials, join the [https://t.me/+G0VKOE2-nnkwNDE0 telegram group]

The course is similar to [http://wiki.cs.hse.ru/Statistical_learning_theory_2021 last year].

== Homeworks ==

Email to brbauwens-at-gmail.com. Start the subject line with SLT-HW.

Deadline before the lecture, every other lecture.

17 Sept: see problem lists 1 and 2 
1 Oct: see problem lists 3 and 4 
14 Oct: see problem lists 5 and 6 
04 Nov: see problem list 7 and 8 
28 Nov: see problem lists 9 and 10 
02 Dec: see problem lists 11 and 12 

== Course materials ==

{| class="wikitable"
|-
! Video !! Summary !! Slides !! Lecture notes !! Problem list !! Solutions
|-
|
|| ''Part 1. Online learning''
|-
| 02 Sept
|| Philosophy. The online mistake bound model. Weighted majority and perceptron algorithms [https://drive.google.com/drive/folders/1NXiLbhmO2Ml7jFmnLtjqhOgCoHg7yn9T?usp=sharing movies]
|| [https://www.dropbox.com/s/ryvpnfqfrwyurjc/01slides.pdf?dl=0 sl01]
|| [https://www.dropbox.com/s/oncvg4mxulbt56d/00book_intro.pdf?dl=0 ch00] [https://www.dropbox.com/s/i9pc4kf0zsdeksb/01book_onlineMistakeBound.pdf?dl=0 ch01]
|| [https://www.dropbox.com/s/ztk3n9s5c0vuzd9/01sem.pdf?dl=0 list 1] update 05.09
||
|-
| [https://drive.google.com/file/d/16OoCqhh16BKQzyF-HM8RozigyJ3BBVxA/view?usp=sharing 09 Sept]
|| The perceptron algorithm in the agnostic setting. Kernels. The standard optimal algorithm.
|| [https://www.dropbox.com/s/sy959ee81mov5cr/02slides.pdf?dl=0 sl02]
|| [https://www.dropbox.com/s/0029k15cbnxj2v1/02book_sequentialOptimalAlgorithm.pdf?dl=0 ch02] [https://www.dropbox.com/s/eggk7kctgox8aza/03book_perceptron.pdf?dl=0 ch03]
|| list 2
||
|-
| 16 Sept
|| Prediction with expert advice and the exponentially weighted majority algorithm. Recap probability theory.
|| [https://www.dropbox.com/s/a60p9b76cxusgqy/03slides.pdf?dl=0 sl03]
|| [https://www.dropbox.com/s/ytl6q83q6gkax3w/04book_predictionWithExperts.pdf?dl=0 ch04] [https://www.dropbox.com/s/l11afq1d0qn6za7/05book_introProbability.pdf?dl=0 ch05]
|| list 3
||
|-
|
|| ''Part 2. Distribution independent risk bounds''
|-
| [https://drive.google.com/file/d/1RHz8NgfianUQFlx8VswjiiPRvt0DoBvc/view?usp=sharing 23 Sept]
|| Sample complexity in the realizable setting, simple examples and bounds using VC-dimension
|| [https://www.dropbox.com/s/pi0f3wab1xna6d7/04slides.pdf?dl=0 sl04]
|| [https://www.dropbox.com/s/8xrgcugs4xv2r2p/06book_sampleComplexity.pdf?dl=0 ch06]
|| list 4
||
|-
| [https://drive.google.com/drive/folders/1jjyJ3eIaed64ogpR11g8M44IOikt5Mj2?usp=sharing 30 Sept]
|| Growth functions, VC-dimension and the characterization of sample comlexity with VC-dimensions
|| [https://www.dropbox.com/s/rpnh6288rdb3j8m/05slides.pdf?dl=0 sl05]
|| [https://www.dropbox.com/s/ctc48w1d2vvyiyt/07book_growthFunctions.pdf?dl=0 ch07] [https://www.dropbox.com/s/jofixf9tstz0f8z/08book_VCdimension.pdf?dl=0 ch08]
|| list 5
||
|-
| [https://drive.google.com/file/d/17zynIg_CZ6cCNBig5QXmBx7VFS8peyuU/view?usp=sharing 07 Oct]
|| Risk decomposition and the fundamental theorem of statistical learning theory
|| [https://www.dropbox.com/s/jxijka88vfanv5n/06slides.pdf?dl=0 sl06]
|| [https://www.dropbox.com/s/r44bwxz34qj98gg/09book_riskBounds.pdf?dl=0 ch09]
|| list 6
||
|-
| 14 Oct
|| Bounded differences inequality, Rademacher complexity, symmetrization, contraction lemma
|| [https://www.dropbox.com/s/kfithyq0dgcq6h8/07slides.pdf?dl=0 sl07]
|| [https://www.dropbox.com/s/5quc1jfkrvm3t71/10book_measureConcentration.pdf?dl=0 ch10] [https://www.dropbox.com/s/km0fns8n3aihauv/11book_RademacherComplexity.pdf?dl=0 ch11]
|| list 7
||
|-
|
|| ''Part 3. Margin risk bounds with applications''
|-
| [https://drive.google.com/file/d/1L-BeDxhoHcoDrdlVTlfoMFwnWXKV46cr/view?usp=sharing 21 Oct]
|| Simple regression, support vector machines, margin risk bounds, and neural nets
|| [https://www.dropbox.com/s/0xrhe4732d0jshb/08slides.pdf?dl=0 sl08]
|| [https://www.dropbox.com/s/cvqlwst3e69709t/12book_regression.pdf?dl=0 ch12] [https://www.dropbox.com/s/dwwxgriiaj4efn0/13book_SVM.pdf?dl=0 ch13]
|| list 8
||
|-
| [https://youtu.be/9FhFxLHR4eE 04 Nov]
|| Kernels: RKHS, representer theorem, risk bounds
|| [https://www.dropbox.com/s/nhqtbekclekf6k7/09slides.pdf?dl=0 sl09]
|| [https://www.dropbox.com/s/bpb9ijn2p7k19j3/14book_kernels.pdf?dl=0 ch14]
|| list 9
||
|-
| [https://youtu.be/ZBHe5RhTuzI 11 Nov]
|| AdaBoost and the margin hypothesis
|| [https://www.dropbox.com/s/umum3kd9439dt42/10slides.pdf?dl=0 sl10]
|| Mohri et al, chapt 7
|| list 10
||
|-
| 18 Nov
|| Implicit regularization of stochastic gradient descent in neural nets
||
||
|| list 11
||
|-
|
|| ''Part 4. Other topics''
|-
| 25 Nov
|| Regression I: classic noise assumption, sub-Guassian and sub-exponential noise
||
||
|| list 12
||
|-
| 02 Dec
|| Regression II: Ridge and Lasso regression
||
||
|| list 13
||
|-
| 09 Dec
|| Multiarmed bandids
||
||
|| list 14
||
|-
| 16 Dec
|| ''Colloquium''
|-
|}

The lectures in October and November are based on the book:
Foundations of machine learning 2nd ed, Mehryar Mohri, Afshin Rostamizadeh, and Ameet Talwalker, 2018. This book can be downloaded from [https://libgen.is Library Genesis] (the link changes sometimes and sometimes vpn is needed).

== Problems exam ==

Dates, problems TBA

During the exam 
-- You may consult notes, books and search on the internet 
-- You may not interact with other humans (e.g. by phone, forums, etc)



== Office hours ==

{| class="wikitable"
|-
! Person !! Monday !! Tuesday !! Wednesday !! Thursday !! Friday !!
|-
| Bruno Bauwens || || 14h--20h || || || ||
|-
| Maxim Kaledin || || || || || ||
|-
|}

It is always good to send an email in advance. Questions and feedback are welcome.

Statistical learning theory 2022

2022-09-07T12:53:55Z

Art-gold1579:

== General Information ==

Lectures: Friday 16h20 -- 17h40, [https://www.hse.ru/en/org/persons/160550073 Bruno Bauwens], [https://www.hse.ru/staff/mkaledin Maxim Kaledin]

Seminars: 09.09 - 01.10 Saturday 14:40 - 16:00, starting from 07.10 Friday 18h10 -- 19h30, [https://www.hse.ru/org/persons/225526439 Artur Goldman],

For discussions of the materials, join the [https://t.me/+G0VKOE2-nnkwNDE0 telegram group]

The course is similar to [http://wiki.cs.hse.ru/Statistical_learning_theory_2021 last year].

== Homeworks ==

Email to brbauwens-at-gmail.com. Start the subject line with SLT-HW.

Deadline before the lecture, every other lecture.

17 Sept: see problem lists 1 and 2 
1 Oct: see problem lists 3 and 4 
14 Oct: see problem lists 5 and 6 
04 Nov: see problem list 7 and 8 
28 Nov: see problem lists 9 and 10 
02 Dec: see problem lists 11 and 12 

== Course materials ==

{| class="wikitable"
|-
! Video !! Summary !! Slides !! Lecture notes !! Problem list !! Solutions
|-
|
|| ''Part 1. Online learning''
|-
| 02 Sept
|| Philosophy. The online mistake bound model. Weighted majority and perceptron algorithms [https://drive.google.com/drive/folders/1NXiLbhmO2Ml7jFmnLtjqhOgCoHg7yn9T?usp=sharing movies]
|| [https://www.dropbox.com/s/ryvpnfqfrwyurjc/01slides.pdf?dl=0 sl01]
|| [https://www.dropbox.com/s/oncvg4mxulbt56d/00book_intro.pdf?dl=0 ch00] [https://www.dropbox.com/s/i9pc4kf0zsdeksb/01book_onlineMistakeBound.pdf?dl=0 ch01]
|| [https://www.dropbox.com/s/ztk3n9s5c0vuzd9/01sem.pdf?dl=0 list 1] update 05.09
||
|-
| [https://drive.google.com/file/d/16OoCqhh16BKQzyF-HM8RozigyJ3BBVxA/view?usp=sharing 09 Sept]
|| The perceptron algorithm in the agnostic setting. Kernels. The standard optimal algorithm.
|| [https://www.dropbox.com/s/sy959ee81mov5cr/02slides.pdf?dl=0 sl02]
|| [https://www.dropbox.com/s/0029k15cbnxj2v1/02book_sequentialOptimalAlgorithm.pdf?dl=0 ch02] [https://www.dropbox.com/s/eggk7kctgox8aza/03book_perceptron.pdf?dl=0 ch03]
|| list 2
||
|-
| 16 Sept
|| Prediction with expert advice and the exponentially weighted majority algorithm. Recap probability theory.
|| [https://www.dropbox.com/s/a60p9b76cxusgqy/03slides.pdf?dl=0 sl03]
|| [https://www.dropbox.com/s/ytl6q83q6gkax3w/04book_predictionWithExperts.pdf?dl=0 ch04] [https://www.dropbox.com/s/l11afq1d0qn6za7/05book_introProbability.pdf?dl=0 ch05]
|| list 3
||
|-
|
|| ''Part 2. Distribution independent risk bounds''
|-
| [https://drive.google.com/file/d/1RHz8NgfianUQFlx8VswjiiPRvt0DoBvc/view?usp=sharing 23 Sept]
|| Sample complexity in the realizable setting, simple examples and bounds using VC-dimension
|| [https://www.dropbox.com/s/pi0f3wab1xna6d7/04slides.pdf?dl=0 sl04]
|| [https://www.dropbox.com/s/8xrgcugs4xv2r2p/06book_sampleComplexity.pdf?dl=0 ch06]
|| list 4
||
|-
| [https://drive.google.com/drive/folders/1jjyJ3eIaed64ogpR11g8M44IOikt5Mj2?usp=sharing 30 Sept]
|| Growth functions, VC-dimension and the characterization of sample comlexity with VC-dimensions
|| [https://www.dropbox.com/s/rpnh6288rdb3j8m/05slides.pdf?dl=0 sl05]
|| [https://www.dropbox.com/s/ctc48w1d2vvyiyt/07book_growthFunctions.pdf?dl=0 ch07] [https://www.dropbox.com/s/jofixf9tstz0f8z/08book_VCdimension.pdf?dl=0 ch08]
|| list 5
||
|-
| [https://drive.google.com/file/d/17zynIg_CZ6cCNBig5QXmBx7VFS8peyuU/view?usp=sharing 07 Oct]
|| Risk decomposition and the fundamental theorem of statistical learning theory
|| [https://www.dropbox.com/s/jxijka88vfanv5n/06slides.pdf?dl=0 sl06]
|| [https://www.dropbox.com/s/r44bwxz34qj98gg/09book_riskBounds.pdf?dl=0 ch09]
|| list 6
||
|-
| 14 Oct
|| Bounded differences inequality, Rademacher complexity, symmetrization, contraction lemma
|| [https://www.dropbox.com/s/kfithyq0dgcq6h8/07slides.pdf?dl=0 sl07]
|| [https://www.dropbox.com/s/5quc1jfkrvm3t71/10book_measureConcentration.pdf?dl=0 ch10] [https://www.dropbox.com/s/km0fns8n3aihauv/11book_RademacherComplexity.pdf?dl=0 ch11]
|| list 7
||
|-
|
|| ''Part 3. Margin risk bounds with applications''
|-
| [https://drive.google.com/file/d/1L-BeDxhoHcoDrdlVTlfoMFwnWXKV46cr/view?usp=sharing 21 Oct]
|| Simple regression, support vector machines, margin risk bounds, and neural nets
|| [https://www.dropbox.com/s/0xrhe4732d0jshb/08slides.pdf?dl=0 sl08]
|| [https://www.dropbox.com/s/cvqlwst3e69709t/12book_regression.pdf?dl=0 ch12] [https://www.dropbox.com/s/dwwxgriiaj4efn0/13book_SVM.pdf?dl=0 ch13]
|| list 8
||
|-
| [https://youtu.be/9FhFxLHR4eE 04 Nov]
|| Kernels: RKHS, representer theorem, risk bounds
|| [https://www.dropbox.com/s/nhqtbekclekf6k7/09slides.pdf?dl=0 sl09]
|| [https://www.dropbox.com/s/bpb9ijn2p7k19j3/14book_kernels.pdf?dl=0 ch14]
|| list 9
||
|-
| [https://youtu.be/ZBHe5RhTuzI 11 Nov]
|| AdaBoost and the margin hypothesis
|| [https://www.dropbox.com/s/umum3kd9439dt42/10slides.pdf?dl=0 sl10]
|| Mohri et al, chapt 7
|| list 10
||
|-
| 18 Nov
|| Implicit regularization of stochastic gradient descent in neural nets
||
||
|| list 11
||
|-
|
|| ''Part 4. Other topics''
|-
| 25 Nov
|| Regression I: classic noise assumption, sub-Guassian and sub-exponential noise
||
||
|| list 12
||
|-
| 02 Dec
|| Regression II: Ridge and Lasso regression
||
||
|| list 13
||
|-
| 09 Dec
|| Multiarmed bandids
||
||
|| list 14
||
|-
| 16 Dec
|| ''Colloquium''
|-
|}

The lectures in October and November are based on the book:
Foundations of machine learning 2nd ed, Mehryar Mohri, Afshin Rostamizadeh, and Ameet Talwalker, 2018. This book can be downloaded from [https://libgen.is Library Genesis] (the link changes sometimes and sometimes vpn is needed).

== Problems exam ==

Dates, problems TBA

During the exam 
-- You may consult notes, books and search on the internet 
-- You may not interact with other humans (e.g. by phone, forums, etc)



== Office hours ==

{| class="wikitable"
|-
! Person !! Monday !! Tuesday !! Wednesday !! Thursday !! Friday !!
|-
| Bruno Bauwens || || 14h--20h || || || ||
|-
| Maxim Kaledin || || || || || ||
|-
|}

It is always good to send an email in advance. Questions and feedback are welcome.

Statistical learning theory 2022

2022-09-07T12:52:59Z

Art-gold1579:

== General Information ==

Lectures: Friday 16h20 -- 17h40, [https://www.hse.ru/en/org/persons/160550073 Bruno Bauwens], [https://www.hse.ru/staff/mkaledin Maxim Kaledin]

Seminars: 09.09-01.10 Saturday 14:40-16:00, starting from 07.10 Friday 18h10 -- 19h30, [https://www.hse.ru/org/persons/225526439 Artur Goldman],

For discussions of the materials, join the [https://t.me/+G0VKOE2-nnkwNDE0 telegram group]

The course is similar to [http://wiki.cs.hse.ru/Statistical_learning_theory_2021 last year].

== Homeworks ==

Email to brbauwens-at-gmail.com. Start the subject line with SLT-HW.

Deadline before the lecture, every other lecture.

17 Sept: see problem lists 1 and 2 
1 Oct: see problem lists 3 and 4 
14 Oct: see problem lists 5 and 6 
04 Nov: see problem list 7 and 8 
28 Nov: see problem lists 9 and 10 
02 Dec: see problem lists 11 and 12 

== Course materials ==

{| class="wikitable"
|-
! Video !! Summary !! Slides !! Lecture notes !! Problem list !! Solutions
|-
|
|| ''Part 1. Online learning''
|-
| 02 Sept
|| Philosophy. The online mistake bound model. Weighted majority and perceptron algorithms [https://drive.google.com/drive/folders/1NXiLbhmO2Ml7jFmnLtjqhOgCoHg7yn9T?usp=sharing movies]
|| [https://www.dropbox.com/s/ryvpnfqfrwyurjc/01slides.pdf?dl=0 sl01]
|| [https://www.dropbox.com/s/oncvg4mxulbt56d/00book_intro.pdf?dl=0 ch00] [https://www.dropbox.com/s/i9pc4kf0zsdeksb/01book_onlineMistakeBound.pdf?dl=0 ch01]
|| [https://www.dropbox.com/s/ztk3n9s5c0vuzd9/01sem.pdf?dl=0 list 1] update 05.09
||
|-
| [https://drive.google.com/file/d/16OoCqhh16BKQzyF-HM8RozigyJ3BBVxA/view?usp=sharing 09 Sept]
|| The perceptron algorithm in the agnostic setting. Kernels. The standard optimal algorithm.
|| [https://www.dropbox.com/s/sy959ee81mov5cr/02slides.pdf?dl=0 sl02]
|| [https://www.dropbox.com/s/0029k15cbnxj2v1/02book_sequentialOptimalAlgorithm.pdf?dl=0 ch02] [https://www.dropbox.com/s/eggk7kctgox8aza/03book_perceptron.pdf?dl=0 ch03]
|| list 2
||
|-
| 16 Sept
|| Prediction with expert advice and the exponentially weighted majority algorithm. Recap probability theory.
|| [https://www.dropbox.com/s/a60p9b76cxusgqy/03slides.pdf?dl=0 sl03]
|| [https://www.dropbox.com/s/ytl6q83q6gkax3w/04book_predictionWithExperts.pdf?dl=0 ch04] [https://www.dropbox.com/s/l11afq1d0qn6za7/05book_introProbability.pdf?dl=0 ch05]
|| list 3
||
|-
|
|| ''Part 2. Distribution independent risk bounds''
|-
| [https://drive.google.com/file/d/1RHz8NgfianUQFlx8VswjiiPRvt0DoBvc/view?usp=sharing 23 Sept]
|| Sample complexity in the realizable setting, simple examples and bounds using VC-dimension
|| [https://www.dropbox.com/s/pi0f3wab1xna6d7/04slides.pdf?dl=0 sl04]
|| [https://www.dropbox.com/s/8xrgcugs4xv2r2p/06book_sampleComplexity.pdf?dl=0 ch06]
|| list 4
||
|-
| [https://drive.google.com/drive/folders/1jjyJ3eIaed64ogpR11g8M44IOikt5Mj2?usp=sharing 30 Sept]
|| Growth functions, VC-dimension and the characterization of sample comlexity with VC-dimensions
|| [https://www.dropbox.com/s/rpnh6288rdb3j8m/05slides.pdf?dl=0 sl05]
|| [https://www.dropbox.com/s/ctc48w1d2vvyiyt/07book_growthFunctions.pdf?dl=0 ch07] [https://www.dropbox.com/s/jofixf9tstz0f8z/08book_VCdimension.pdf?dl=0 ch08]
|| list 5
||
|-
| [https://drive.google.com/file/d/17zynIg_CZ6cCNBig5QXmBx7VFS8peyuU/view?usp=sharing 07 Oct]
|| Risk decomposition and the fundamental theorem of statistical learning theory
|| [https://www.dropbox.com/s/jxijka88vfanv5n/06slides.pdf?dl=0 sl06]
|| [https://www.dropbox.com/s/r44bwxz34qj98gg/09book_riskBounds.pdf?dl=0 ch09]
|| list 6
||
|-
| 14 Oct
|| Bounded differences inequality, Rademacher complexity, symmetrization, contraction lemma
|| [https://www.dropbox.com/s/kfithyq0dgcq6h8/07slides.pdf?dl=0 sl07]
|| [https://www.dropbox.com/s/5quc1jfkrvm3t71/10book_measureConcentration.pdf?dl=0 ch10] [https://www.dropbox.com/s/km0fns8n3aihauv/11book_RademacherComplexity.pdf?dl=0 ch11]
|| list 7
||
|-
|
|| ''Part 3. Margin risk bounds with applications''
|-
| [https://drive.google.com/file/d/1L-BeDxhoHcoDrdlVTlfoMFwnWXKV46cr/view?usp=sharing 21 Oct]
|| Simple regression, support vector machines, margin risk bounds, and neural nets
|| [https://www.dropbox.com/s/0xrhe4732d0jshb/08slides.pdf?dl=0 sl08]
|| [https://www.dropbox.com/s/cvqlwst3e69709t/12book_regression.pdf?dl=0 ch12] [https://www.dropbox.com/s/dwwxgriiaj4efn0/13book_SVM.pdf?dl=0 ch13]
|| list 8
||
|-
| [https://youtu.be/9FhFxLHR4eE 04 Nov]
|| Kernels: RKHS, representer theorem, risk bounds
|| [https://www.dropbox.com/s/nhqtbekclekf6k7/09slides.pdf?dl=0 sl09]
|| [https://www.dropbox.com/s/bpb9ijn2p7k19j3/14book_kernels.pdf?dl=0 ch14]
|| list 9
||
|-
| [https://youtu.be/ZBHe5RhTuzI 11 Nov]
|| AdaBoost and the margin hypothesis
|| [https://www.dropbox.com/s/umum3kd9439dt42/10slides.pdf?dl=0 sl10]
|| Mohri et al, chapt 7
|| list 10
||
|-
| 18 Nov
|| Implicit regularization of stochastic gradient descent in neural nets
||
||
|| list 11
||
|-
|
|| ''Part 4. Other topics''
|-
| 25 Nov
|| Regression I: classic noise assumption, sub-Guassian and sub-exponential noise
||
||
|| list 12
||
|-
| 02 Dec
|| Regression II: Ridge and Lasso regression
||
||
|| list 13
||
|-
| 09 Dec
|| Multiarmed bandids
||
||
|| list 14
||
|-
| 16 Dec
|| ''Colloquium''
|-
|}

The lectures in October and November are based on the book:
Foundations of machine learning 2nd ed, Mehryar Mohri, Afshin Rostamizadeh, and Ameet Talwalker, 2018. This book can be downloaded from [https://libgen.is Library Genesis] (the link changes sometimes and sometimes vpn is needed).

== Problems exam ==

Dates, problems TBA

During the exam 
-- You may consult notes, books and search on the internet 
-- You may not interact with other humans (e.g. by phone, forums, etc)



== Office hours ==

{| class="wikitable"
|-
! Person !! Monday !! Tuesday !! Wednesday !! Thursday !! Friday !!
|-
| Bruno Bauwens || || 14h--20h || || || ||
|-
| Maxim Kaledin || || || || || ||
|-
|}

It is always good to send an email in advance. Questions and feedback are welcome.

Statistical learning theory 2022

2022-09-07T12:51:47Z

Art-gold1579:

== General Information ==

Lectures: Friday 16h20 -- 17h40, [https://www.hse.ru/en/org/persons/160550073 Bruno Bauwens], [https://www.hse.ru/staff/mkaledin Maxim Kaledin]

Seminars: 09.09-01.10 Saturday 14:40-16:00, starting from 07.10 Friday 18h10 -- 19h30, [https://www.hse.ru/org/persons/225526439 Artur Goldman],

For discussions of the materials, join the [https://t.me/+G0VKOE2-nnkwNDE0 telegram group]

The course is similar to [http://wiki.cs.hse.ru/Statistical_learning_theory_2021 last year].

== Homeworks ==

Email to brbauwens-at-gmail.com. Start the subject line with SLT-HW.

Deadline before the lecture, every other lecture.

16 Sept: see problem lists 1 and 2 
30 Sept: see problem lists 3 and 4 
14 Oct: see problem lists 5 and 6 
04 Nov: see problem list 7 and 8 
28 Nov: see problem lists 9 and 10 
02 Dec: see problem lists 11 and 12 

== Course materials ==

{| class="wikitable"
|-
! Video !! Summary !! Slides !! Lecture notes !! Problem list !! Solutions
|-
|
|| ''Part 1. Online learning''
|-
| 02 Sept
|| Philosophy. The online mistake bound model. Weighted majority and perceptron algorithms [https://drive.google.com/drive/folders/1NXiLbhmO2Ml7jFmnLtjqhOgCoHg7yn9T?usp=sharing movies]
|| [https://www.dropbox.com/s/ryvpnfqfrwyurjc/01slides.pdf?dl=0 sl01]
|| [https://www.dropbox.com/s/oncvg4mxulbt56d/00book_intro.pdf?dl=0 ch00] [https://www.dropbox.com/s/i9pc4kf0zsdeksb/01book_onlineMistakeBound.pdf?dl=0 ch01]
|| [https://www.dropbox.com/s/ztk3n9s5c0vuzd9/01sem.pdf?dl=0 list 1] update 05.09
||
|-
| [https://drive.google.com/file/d/16OoCqhh16BKQzyF-HM8RozigyJ3BBVxA/view?usp=sharing 09 Sept]
|| The perceptron algorithm in the agnostic setting. Kernels. The standard optimal algorithm.
|| [https://www.dropbox.com/s/sy959ee81mov5cr/02slides.pdf?dl=0 sl02]
|| [https://www.dropbox.com/s/0029k15cbnxj2v1/02book_sequentialOptimalAlgorithm.pdf?dl=0 ch02] [https://www.dropbox.com/s/eggk7kctgox8aza/03book_perceptron.pdf?dl=0 ch03]
|| list 2
||
|-
| 16 Sept
|| Prediction with expert advice and the exponentially weighted majority algorithm. Recap probability theory.
|| [https://www.dropbox.com/s/a60p9b76cxusgqy/03slides.pdf?dl=0 sl03]
|| [https://www.dropbox.com/s/ytl6q83q6gkax3w/04book_predictionWithExperts.pdf?dl=0 ch04] [https://www.dropbox.com/s/l11afq1d0qn6za7/05book_introProbability.pdf?dl=0 ch05]
|| list 3
||
|-
|
|| ''Part 2. Distribution independent risk bounds''
|-
| [https://drive.google.com/file/d/1RHz8NgfianUQFlx8VswjiiPRvt0DoBvc/view?usp=sharing 23 Sept]
|| Sample complexity in the realizable setting, simple examples and bounds using VC-dimension
|| [https://www.dropbox.com/s/pi0f3wab1xna6d7/04slides.pdf?dl=0 sl04]
|| [https://www.dropbox.com/s/8xrgcugs4xv2r2p/06book_sampleComplexity.pdf?dl=0 ch06]
|| list 4
||
|-
| [https://drive.google.com/drive/folders/1jjyJ3eIaed64ogpR11g8M44IOikt5Mj2?usp=sharing 30 Sept]
|| Growth functions, VC-dimension and the characterization of sample comlexity with VC-dimensions
|| [https://www.dropbox.com/s/rpnh6288rdb3j8m/05slides.pdf?dl=0 sl05]
|| [https://www.dropbox.com/s/ctc48w1d2vvyiyt/07book_growthFunctions.pdf?dl=0 ch07] [https://www.dropbox.com/s/jofixf9tstz0f8z/08book_VCdimension.pdf?dl=0 ch08]
|| list 5
||
|-
| [https://drive.google.com/file/d/17zynIg_CZ6cCNBig5QXmBx7VFS8peyuU/view?usp=sharing 07 Oct]
|| Risk decomposition and the fundamental theorem of statistical learning theory
|| [https://www.dropbox.com/s/jxijka88vfanv5n/06slides.pdf?dl=0 sl06]
|| [https://www.dropbox.com/s/r44bwxz34qj98gg/09book_riskBounds.pdf?dl=0 ch09]
|| list 6
||
|-
| 14 Oct
|| Bounded differences inequality, Rademacher complexity, symmetrization, contraction lemma
|| [https://www.dropbox.com/s/kfithyq0dgcq6h8/07slides.pdf?dl=0 sl07]
|| [https://www.dropbox.com/s/5quc1jfkrvm3t71/10book_measureConcentration.pdf?dl=0 ch10] [https://www.dropbox.com/s/km0fns8n3aihauv/11book_RademacherComplexity.pdf?dl=0 ch11]
|| list 7
||
|-
|
|| ''Part 3. Margin risk bounds with applications''
|-
| [https://drive.google.com/file/d/1L-BeDxhoHcoDrdlVTlfoMFwnWXKV46cr/view?usp=sharing 21 Oct]
|| Simple regression, support vector machines, margin risk bounds, and neural nets
|| [https://www.dropbox.com/s/0xrhe4732d0jshb/08slides.pdf?dl=0 sl08]
|| [https://www.dropbox.com/s/cvqlwst3e69709t/12book_regression.pdf?dl=0 ch12] [https://www.dropbox.com/s/dwwxgriiaj4efn0/13book_SVM.pdf?dl=0 ch13]
|| list 8
||
|-
| [https://youtu.be/9FhFxLHR4eE 04 Nov]
|| Kernels: RKHS, representer theorem, risk bounds
|| [https://www.dropbox.com/s/nhqtbekclekf6k7/09slides.pdf?dl=0 sl09]
|| [https://www.dropbox.com/s/bpb9ijn2p7k19j3/14book_kernels.pdf?dl=0 ch14]
|| list 9
||
|-
| [https://youtu.be/ZBHe5RhTuzI 11 Nov]
|| AdaBoost and the margin hypothesis
|| [https://www.dropbox.com/s/umum3kd9439dt42/10slides.pdf?dl=0 sl10]
|| Mohri et al, chapt 7
|| list 10
||
|-
| 18 Nov
|| Implicit regularization of stochastic gradient descent in neural nets
||
||
|| list 11
||
|-
|
|| ''Part 4. Other topics''
|-
| 25 Nov
|| Regression I: classic noise assumption, sub-Guassian and sub-exponential noise
||
||
|| list 12
||
|-
| 02 Dec
|| Regression II: Ridge and Lasso regression
||
||
|| list 13
||
|-
| 09 Dec
|| Multiarmed bandids
||
||
|| list 14
||
|-
| 16 Dec
|| ''Colloquium''
|-
|}

The lectures in October and November are based on the book:
Foundations of machine learning 2nd ed, Mehryar Mohri, Afshin Rostamizadeh, and Ameet Talwalker, 2018. This book can be downloaded from [https://libgen.is Library Genesis] (the link changes sometimes and sometimes vpn is needed).

== Problems exam ==

Dates, problems TBA

During the exam 
-- You may consult notes, books and search on the internet 
-- You may not interact with other humans (e.g. by phone, forums, etc)



== Office hours ==

{| class="wikitable"
|-
! Person !! Monday !! Tuesday !! Wednesday !! Thursday !! Friday !!
|-
| Bruno Bauwens || || 14h--20h || || || ||
|-
| Maxim Kaledin || || || || || ||
|-
|}

It is always good to send an email in advance. Questions and feedback are welcome.