Wiki - Факультет компьютерных наук - Вклад [ru]

Прикладные задачи анализа данных/2022

2021-04-16T09:06:59Z

Danyache:

== О курсе ==

Курс читается для студентов 3-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.

Проводится с 2016 года.

Лекции проходят по четвергам в 11:10 по [https://zoom.us/j/93056986920?pwd=WFpCbVR1R1Q3S1Q3QTlOMzBNN0Y5QT09 ссылке].

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/416017381 Карточка курса и программа]

[https://github.com/hse-ds/iad-applied-ds Репозиторий с материалами на GitHub]

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com)

Канал в telegram для объявлений: https://t.me/hse_minor_intro_dm_2

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/iad_flood

Ссылка на курс в Anytask: https://anytask.org/course/787

Таблица с оценками:

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask
|-
| ИАД-1 || Ковалёв Алексей || Вертеева Алена || [https://zoom.us/j/98767276421?pwd=M2NPRndVSXlxWDY0bEhGdjROWkNkZz09 Zoom] || [https://t.me/joinchat/GMRWqmCHJoeIHSTp Чат] || || AclUusP
|-
| ИАД-2 || Гущин Михаил || Пащенко Анатолий || [https://zoom.us/j/91897611953?pwd=U1ExSTlhZGlzcWJZSUh6NnpXN0lQdz09 Zoom] || [https://t.me/joinchat/F9wK5Ia-9MccXHXp Чат] || || 1nkqLLM
|-
| ИАД-3 || Чесаков Даниил || Ревина Полина || [https://zoom.us/j/94956280541?pwd=KzJrZzlUUDJ0Rnc0dTZIbjZlNjdzZz09 Zoom] || [https://t.me/joinchat/ES5w2w4fersnpdf0UWoMNw Чат]|| https://github.com/Danyache/minor2021-iad3-spring || xAWTEmD
|-
| ИАД-4 || Кузнецов Максим || Саночкин Юрий || [https://zoom.us/j/95689153191?pwd=REp2R1hKcmFXRk9CTUxxRTFjRjFZUT09 Zoom] || [https://t.me/joinchat/HdCek9Q8tps_Ahnd Чат] || https://yadi.sk/d/51onIvR2Kgfh3w?w=1 || gsf6Xv2
|-
| ИАД-5 || Гущин Михаил || Шикунов Николай || [https://zoom.us/j/92054171282?pwd=NXB3aHlMQlJ1dmpwN1EzQlNOenRzdz09 Zoom] || [https://t.me/joinchat/IsEjn93CrYbSbUyM Чат] || || Ksh1OIm
|-
| ИАД-6 || Кантонистова Елена || Цю-жен-цин Дмитрий || [https://zoom.us/j/97661977158?pwd=c2o1MFY5UlprR1VJcUduY29CNGkvZz09 Zoom] || [https://t.me/joinchat/H3aY7JBpdGQuk-qd Чат] || || PHWSB7H
|}

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Практические домашние работы на Python
* Контрольная где-то в середине курса
* Письменный экзамен

Итоговая оценка вычисляется по формуле:

Округление(0.5 * ДЗ + 0.2 * КР + 0.3 * Э)

ДЗ — средняя оценка за практические домашние задания

КР — оценка за контрольную работу

Э — оценка за экзамен

Итоговое округление арифметическое.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.

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

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

== Лекции ==

'''Лекция 1''' (28.01.2021). Задачи порождения изображений. Perceptual loss. Перенос стиля. Superresolution. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture01-generative.pdf Слайды]] [[https://www.youtube.com/watch?v=GRJ84i2z_7A Запись лекции]]

'''Лекция 2''' (04.02.2021). Вариационные автокодировщики. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture02-vae.pdf Слайды]] [[https://www.youtube.com/watch?v=cBL7jS4GQRk Запись лекции]]

'''Лекция 3''' (11.02.2021). Генеративно-состязательные сети. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture03-gan.pdf Слайды]] [[https://youtu.be/lUNCZlM5SYY Запись лекции]]

'''Лекция 4''' (18.02.2021). Нормализационные потоки. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture04-nf.pdf Слайды]] [[https://www.youtube.com/watch?v=gpv7kf1bf-U Запись лекции]]

'''Лекция 5''' (25.02.2021). Диалоговые и вопросно-ответные системы. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture05.pdf Слайды]] [[https://youtu.be/TmVIGWzaq5A Запись лекции]]

'''Лекция 6''' (04.03.2021). DL для звука 1. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture06.pdf Слайды]] [[https://youtu.be/m4Ve26DNNyM Запись лекции]]

'''Лекция 7''' (11.03.2021). DL для звука 2. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture07.pdf Слайды]] [[https://youtu.be/Rc9qUb7kdkQ Запись лекции]]

== Семинары ==

'''Семинар 1''' (04.02.2021). Трансформация изображений. [[https://github.com/hse-ds/iad-applied-ds/tree/master/2021/seminars Тетрадка]]

'''Семинар 2''' (11.02.2021). Вариационные автокодировщики. [[https://github.com/hse-ds/iad-applied-ds/tree/master/2021/seminars/sem02_ae_vae Тетрадка]]

'''Семинар 3''' (18.02.2021). Генеративно-состязательные сети. [[https://colab.research.google.com/github/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem03_gan.ipynb Тетрадка]]

'''Семинар 4''' (25.02.2021). Нормализационные потоки. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem04_nf.ipynb Тетрадка]]

'''Семинар 5''' (04.03.2021). NER и лингвомодели. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem05_NER.ipynb Тетрадка]]

'''Семинар 6''' (11.03.2021). Распознавание речи. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem06_audio.ipynb Тетрадка]]

'''Семинар 7''' (18.03.2021). Генерация звука. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem07_audio_gen.ipynb Тетрадка]]

'''Семинар 9''' (08.04.2021). Рекомендательные системы. NCF. Метрики качества. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem09_ncf/sem09_ncf_sol.ipynb Тетрадка]]

'''Семинар 10''' (15.04.2021). Повторение основ матстата. Доверительные интервалы. А/В тестирование. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem10_stat/sem10_stat.ipynb Тетрадка]]

== Практические задания ==

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. В течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки продолжает вычитаться по одному баллу (если не оговорено иное).

===Задание 1. Генеративные модели===
Вам предстоит применить генеративно-состязательные сети и вариационный автокодировщик для быстрой симуляции параметров изображений системы двух черенковских телескопов MAGIC (Major Atmospheric Gamma Imaging Cherenkov).

'''Мягкий дедлайн''': 11 марта 2021 года 23:59

'''Дедлайн''': 14 марта 2021 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/master/2021/hw/hw1

===Задание 2. Deep learning для обработки звука===
В этом задании Вы поработаете и разберетесь в деталях с форматами представления аудиоданных в задачах глубинного обучения, а так же напишете несколько моделей для классификации аудиозаписей.

В процессе выполнения Вы познакомитесь:
* С алгоритмом построения Мел-спектрограммы.
* Рекуррентными и сверточными классификаторами аудиоданных.
* Алгоритмом аугментации аудиоданных SpecAugment.

'''Мягкий дедлайн''': 11 апреля 2021 года 23:59

'''Дедлайн''': 14 апреля 2021 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/master/2021/hw/hw2

== Контрольная работа ==

== Экзамен ==

== Страницы прошлых лет ==

[[Прикладные задачи анализа данных (майнор ИАД) | 2019/20 учебный год ]]

[[Прикладные_задачи_анализа_данных_(майнор_-_весна_2019) | 2018/19 учебный год ]]

[[Прикладные_задачи_анализа_данных_(майнор_-_весна_2018) | 2017/18 учебный год ]]

[[Майнор_Интеллектуальный_анализ_данных/Прикладные_задачи_анализа_данных | 2016/17 учебный год ]]

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

Прикладные задачи анализа данных/2022

2021-04-16T09:06:19Z

Danyache:

== О курсе ==

Курс читается для студентов 3-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.

Проводится с 2016 года.

Лекции проходят по четвергам в 11:10 по [https://zoom.us/j/93056986920?pwd=WFpCbVR1R1Q3S1Q3QTlOMzBNN0Y5QT09 ссылке].

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/416017381 Карточка курса и программа]

[https://github.com/hse-ds/iad-applied-ds Репозиторий с материалами на GitHub]

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com)

Канал в telegram для объявлений: https://t.me/hse_minor_intro_dm_2

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/iad_flood

Ссылка на курс в Anytask: https://anytask.org/course/787

Таблица с оценками:

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask
|-
| ИАД-1 || Ковалёв Алексей || Вертеева Алена || [https://zoom.us/j/98767276421?pwd=M2NPRndVSXlxWDY0bEhGdjROWkNkZz09 Zoom] || [https://t.me/joinchat/GMRWqmCHJoeIHSTp Чат] || || AclUusP
|-
| ИАД-2 || Гущин Михаил || Пащенко Анатолий || [https://zoom.us/j/91897611953?pwd=U1ExSTlhZGlzcWJZSUh6NnpXN0lQdz09 Zoom] || [https://t.me/joinchat/F9wK5Ia-9MccXHXp Чат] || || 1nkqLLM
|-
| ИАД-3 || Чесаков Даниил || Ревина Полина || [https://zoom.us/j/94956280541?pwd=KzJrZzlUUDJ0Rnc0dTZIbjZlNjdzZz09 Zoom] || [https://t.me/joinchat/ES5w2w4fersnpdf0UWoMNw Чат]|| https://github.com/Danyache/minor2021-iad3-spring || xAWTEmD
|-
| ИАД-4 || Кузнецов Максим || Саночкин Юрий || [https://zoom.us/j/95689153191?pwd=REp2R1hKcmFXRk9CTUxxRTFjRjFZUT09 Zoom] || [https://t.me/joinchat/HdCek9Q8tps_Ahnd Чат] || https://yadi.sk/d/51onIvR2Kgfh3w?w=1 || gsf6Xv2
|-
| ИАД-5 || Гущин Михаил || Шикунов Николай || [https://zoom.us/j/92054171282?pwd=NXB3aHlMQlJ1dmpwN1EzQlNOenRzdz09 Zoom] || [https://t.me/joinchat/IsEjn93CrYbSbUyM Чат] || || Ksh1OIm
|-
| ИАД-6 || Кантонистова Елена || Цю-жен-цин Дмитрий || [https://zoom.us/j/97661977158?pwd=c2o1MFY5UlprR1VJcUduY29CNGkvZz09 Zoom] || [https://t.me/joinchat/H3aY7JBpdGQuk-qd Чат] || || PHWSB7H
|}

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Практические домашние работы на Python
* Контрольная где-то в середине курса
* Письменный экзамен

Итоговая оценка вычисляется по формуле:

Округление(0.5 * ДЗ + 0.2 * КР + 0.3 * Э)

ДЗ — средняя оценка за практические домашние задания

КР — оценка за контрольную работу

Э — оценка за экзамен

Итоговое округление арифметическое.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.

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

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

== Лекции ==

'''Лекция 1''' (28.01.2021). Задачи порождения изображений. Perceptual loss. Перенос стиля. Superresolution. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture01-generative.pdf Слайды]] [[https://www.youtube.com/watch?v=GRJ84i2z_7A Запись лекции]]

'''Лекция 2''' (04.02.2021). Вариационные автокодировщики. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture02-vae.pdf Слайды]] [[https://www.youtube.com/watch?v=cBL7jS4GQRk Запись лекции]]

'''Лекция 3''' (11.02.2021). Генеративно-состязательные сети. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture03-gan.pdf Слайды]] [[https://youtu.be/lUNCZlM5SYY Запись лекции]]

'''Лекция 4''' (18.02.2021). Нормализационные потоки. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture04-nf.pdf Слайды]] [[https://www.youtube.com/watch?v=gpv7kf1bf-U Запись лекции]]

'''Лекция 5''' (25.02.2021). Диалоговые и вопросно-ответные системы. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture05.pdf Слайды]] [[https://youtu.be/TmVIGWzaq5A Запись лекции]]

'''Лекция 6''' (04.03.2021). DL для звука 1. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture06.pdf Слайды]] [[https://youtu.be/m4Ve26DNNyM Запись лекции]]

'''Лекция 7''' (11.03.2021). DL для звука 2. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lecture07.pdf Слайды]] [[https://youtu.be/Rc9qUb7kdkQ Запись лекции]]

== Семинары ==

'''Семинар 1''' (04.02.2021). Трансформация изображений. [[https://github.com/hse-ds/iad-applied-ds/tree/master/2021/seminars Тетрадка]]

'''Семинар 2''' (11.02.2021). Вариационные автокодировщики. [[https://github.com/hse-ds/iad-applied-ds/tree/master/2021/seminars/sem02_ae_vae Тетрадка]]

'''Семинар 3''' (18.02.2021). Генеративно-состязательные сети. [[https://colab.research.google.com/github/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem03_gan.ipynb Тетрадка]]

'''Семинар 4''' (25.02.2021). Нормализационные потоки. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem04_nf.ipynb Тетрадка]]

'''Семинар 5''' (04.03.2021). NER и лингвомодели. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem05_NER.ipynb Тетрадка]]

'''Семинар 6''' (11.03.2021). Распознавание речи. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem06_audio.ipynb Тетрадка]]

'''Семинар 7''' (18.03.2021). Генерация звука. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem07_audio_gen.ipynb Тетрадка]]

'''Семинар 9''' (08.04.2021). Рекомендательные системы. NCF. Метрики качества. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem09_ncf/sem09_ncf_sol.ipynb Тетрадка]]

'''Семинар 10''' (15.04.2021). Повторение основ матстата. Доверительные интервалы. А/В тестирование. [[https://github.com/hse-ds/iad-applied-ds/blob/master/2021/seminars/sem10_stat/sem10_stat.ipynb]]

== Практические задания ==

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. В течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки продолжает вычитаться по одному баллу (если не оговорено иное).

===Задание 1. Генеративные модели===
Вам предстоит применить генеративно-состязательные сети и вариационный автокодировщик для быстрой симуляции параметров изображений системы двух черенковских телескопов MAGIC (Major Atmospheric Gamma Imaging Cherenkov).

'''Мягкий дедлайн''': 11 марта 2021 года 23:59

'''Дедлайн''': 14 марта 2021 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/master/2021/hw/hw1

===Задание 2. Deep learning для обработки звука===
В этом задании Вы поработаете и разберетесь в деталях с форматами представления аудиоданных в задачах глубинного обучения, а так же напишете несколько моделей для классификации аудиозаписей.

В процессе выполнения Вы познакомитесь:
* С алгоритмом построения Мел-спектрограммы.
* Рекуррентными и сверточными классификаторами аудиоданных.
* Алгоритмом аугментации аудиоданных SpecAugment.

'''Мягкий дедлайн''': 11 апреля 2021 года 23:59

'''Дедлайн''': 14 апреля 2021 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/master/2021/hw/hw2

== Контрольная работа ==

== Экзамен ==

== Страницы прошлых лет ==

[[Прикладные задачи анализа данных (майнор ИАД) | 2019/20 учебный год ]]

[[Прикладные_задачи_анализа_данных_(майнор_-_весна_2019) | 2018/19 учебный год ]]

[[Прикладные_задачи_анализа_данных_(майнор_-_весна_2018) | 2017/18 учебный год ]]

[[Майнор_Интеллектуальный_анализ_данных/Прикладные_задачи_анализа_данных | 2016/17 учебный год ]]

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

Прикладные задачи анализа данных/2022

2021-02-04T06:39:10Z

Danyache:

Прикладные задачи анализа данных/2022

2021-02-03T16:13:16Z

Danyache:

Прикладные задачи анализа данных/2022

2021-02-02T13:06:09Z

Danyache: ссылка на чат иад 3

Современные методы машинного обучения

2020-10-14T08:16:18Z

Danyache: иад6 семинарист чат тг

== О курсе ==

Курс читается для студентов 3-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 1-2 модулях.

Проводится с 2015 года.

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

Занятия проходят онлайн по четвергам на второй паре (11:10 - 12:30).

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/346235110 Карточка курса и программа]

Репозиторий с материалами: https://github.com/hse-ds/iad-deep-learning

Домашние задание сдаются в Anytask:

Канал в telegram для объявлений: https://t.me/hse_minor_intro_dm_2020

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/iad_flood

[https://docs.google.com/spreadsheets/d/1O6TcqNniwQ2dw-xpK04S1ufWQh42w5hwMEITgJQIEjk/edit?usp=sharing Таблица с оценками]

'''Вопросы''' по курсу можно задавать в телеграм лектору (@esokolov), семинаристу, в чатах групп или в issues на [https://github.com/hse-ds/iad-deep-learning гитхабе].

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чатик в телеграм
|-
| ИАД-1 || Алексей Ковалёв || Алёна Вертеева || tVc06Tf || https://t.me/joinchat/GJZR7hjEVqoQWjj_iB0k6Q
|-
| ИАД-2 || Трофимова Юлия || || Xw1bmE5 ||
|-
| ИАД-3 || Руслан Хайдуров || Соня Дымченко, Анатолий Пащенко || ev2HwBx || https://t.me/joinchat/C232lhy4wn6Pp7epNt-qYQ
|-
| ИАД-4 || Кузнецов Максим || || Xn6pJSM ||
|-
| ИАД-5 || Багиян Нерсес || Алексей Милоградский || 6OfvD88 || https://t.me/joinchat/Atx7Lkvi60FI1RJhJd8XwQ
|-
| ИАД-6 || Чесаков Даниил || Ольга Быстрова || qbB0bf0 || https://t.me/joinchat/ES5w2w4fersnpdf0UWoMNw
|}

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Практические домашние работы на Python
* Контрольная где-то в середине курса
* Письменный экзамен

Итоговая оценка вычисляется по формуле:

Округление(0.5 * ДЗ + 0.2 * КР + 0.3 * Э)

ДЗ — средняя оценка за практические домашние задания

КР — оценка за контрольную работу

Э — оценка за экзамен

=== Правила сдачи заданий ===

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

При наличии уважительной причины дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

==Лекции==

Лекция 1 (10.09.2020). Введение в глубинное обучение. Полносвязные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=mwjQaNt8qxk Запись лекции]]

Лекция 2 (17.09.2020). Метод обратного распространения ошибки. Свёртки и свёрточные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/lectures/lecture02-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=kKwrhvSATQg Запись лекции]]

Лекция 3 (24.09.2020). Поле восприятия. Преобразования в свёрточных сетях. Типичная архитектура свёрточной нейронной сети. Выходы последних слоёв свёрточных сетей как дескрипторы изображений. [[https://github.com/hse-ds/iad-deep-learning/blob/master/lectures/lecture03-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=EhVLDAOejlM Запись лекции]]

Лекция 4 (01.10.2020). Стохастический градиентный спуск. Mini-batch. Momentum, AdaGrad, RMSProp, Adam. Регуляризация нейронных сетей и Dropout. Batch normalization. [[https://github.com/hse-ds/iad-deep-learning/blob/master/lectures/lecture04-optimization.pdf Слайды]] [[https://youtu.be/V_rv-z4Y87o Запись лекции]]

Лекция 5 (08.10.2020). Инициализация весов и аугментация. Архитектуры свёрточных сетей: LeNet, AlexNet, VGG, Inception, ResNet. Tranfer learning. [[https://github.com/hse-ds/iad-deep-learning/blob/master/lectures/lecture05-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=fGodAVUHPmQ Запись лекции]]

==Семинары==
Семинар 1 (17.09.2020). Знакомство с pytorch. Тензоры, градиенты, датасеты, даталоадеры. Моя первая нейросеть. [[https://www.youtube.com/watch?v=XW_99QmdDzk&feature=youtu.be Запись (Руслан Хайдуров)]]

== Практические задания ==

Домашние задания выкладываются в [https://github.com/hse-ds/iad-deep-learning репозиторий курса]. За каждый день просрочки мягкого дедлайна снимается два балла. После жёсткого дедлайна задания не принимаются.

== Контрольная работа ==

== Экзамен ==

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

Введение в анализ данных (майнор ИАД) 2019/2020

2020-02-06T11:12:53Z

Danyache:

== О курсе ==

Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.

Проводится с 2015 года.

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

Лекции проходят по средам в 10:30 (Покровский бульвар, 11).

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/316531794 Карточка курса и программа]

[https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com)

Канал в telegram для объявлений: https://t.me/hse_minor_intro_dm_2020

Чат в telegram для флуда: https://t.me/iad_flood

Ссылка на курс в Anytask: https://anytask.org/course/607

Таблица с оценками:

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Материалы семинаров
|-
| ИАД-1 || Кохтев Вадим || Ригвава Владимир ||
|-
| ИАД-2 || Филатов Артём, Анастасия Рогачевская || Дмитрий Торилов ||
|-
| ИАД-3 || Козловская Наталья || Юрий Саночкин ||
|-
| ИАД-4 || Ковалев Евгений || Алвандян Нарек || [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%98%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85/%D0%98%D0%90%D0%94-4-2020 Wiki] [https://github.com/blacKitten13/minor2020-iad4 GitHub] [https://t-do.ru/joinchat/Cci01RHtt3-8NZO02cbg5A Telegram]
|-
| ИАД-5 || Чиркова Надежда || Левина Александра || [https://github.com/nadiinchi/iad2020/blob/master/materials/hw_sem1.ipynb GitHub]
|-
| ИАД-6 || Чесаков Даниил || Ольга Быстрова || [https://github.com/Danyache/minor2020-iad2 GitHub], rd5CNrr - инвайт в anytask
|-
|}

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров
* Практические домашние работы на Python
* Контрольная где-то в середине курса
* Письменный экзамен

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

Oитоговая = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за письменные проверочные работы на семинарах

КР — оценка за контрольную работу

Э — оценка за экзамен

Округление арифметическое.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.

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

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

== Лекции ==

Лекция 1 (15.01.2020). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2020/lectures/lecture01-intro.pdf Слайды]]

Лекция 2 (22.01.2020). Основные постановки задач. Метод k ближайших соседей. Измерение ошибки в задачах классификации. Параметры и гиперпараметры. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2020/lectures/lecture02-knn.pdf Слайды]]

== Семинары ==

== Практические задания ==

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. В течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки продолжает вычитаться по одному баллу (если не оговорено иное).

== Контрольная работа ==

Вопросы прошлого года: https://docs.google.com/document/d/1kdeA730ItEqgC-4V_-U2gq_EbpX413XmmE9wMj7Wdh8/edit?usp=sharing

Примеры задач:
* Метрические методы, kNN [[http://nbviewer.jupyter.org/github/shestakoff/minor_da_2017/blob/master/colloc_knn.ipynb Примеры задач]]
* Линейные методы [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_linear.pdf Примеры задач]]
* Решающие деревья [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_trees.ipynb Примеры задач]]
* Метрики качества [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_metrics.ipynb Примеры задач]]

== Экзамен ==

Вопросы прошлого года: https://docs.google.com/document/d/1IrRO4kbzKieTWDgJ5UhfPECyU2tvq9CZi2mXgQPzf30/edit?usp=sharing

[https://github.com/esokolov/ml-minor-hse/blob/master/exam-2017/exam_problems_example.pdf Примеры задач прошлого года] (также могут войти задачи из коллоквиума)

==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 Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
* [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.

== Страницы прошлых лет ==

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]

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

Введение в анализ данных (майнор ИАД) 2019/2020

2020-02-06T11:08:40Z

Danyache: anytask invite iad6

== О курсе ==

Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.

Проводится с 2015 года.

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

Лекции проходят по средам в 10:30 (Покровский бульвар, 11).

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/316531794 Карточка курса и программа]

[https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com)

Канал в telegram для объявлений: https://t.me/hse_minor_intro_dm_2020

Чат в telegram для флуда: https://t.me/iad_flood

Ссылка на курс в Anytask: https://anytask.org/course/607

Таблица с оценками:

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Материалы семинаров
|-
| ИАД-1 || Кохтев Вадим || Ригвава Владимир ||
|-
| ИАД-2 || Филатов Артём, Анастасия Рогачевская || Дмитрий Торилов ||
|-
| ИАД-3 || Козловская Наталья || Юрий Саночкин ||
|-
| ИАД-4 || Ковалев Евгений || Алвандян Нарек || [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%98%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85/%D0%98%D0%90%D0%94-4-2020 Wiki] [https://github.com/blacKitten13/minor2020-iad4 GitHub] [https://t-do.ru/joinchat/Cci01RHtt3-8NZO02cbg5A Telegram]
|-
| ИАД-5 || Чиркова Надежда || Левина Александра || [https://github.com/nadiinchi/iad2020/blob/master/materials/hw_sem1.ipynb GitHub]
|-
| ИАД-6 || Чесаков Даниил || Ольга Быстрова || [https://github.com/Danyache/minor2020-iad2 GitHub], rd5CNrr -- инвайт в anytask
|-
|}

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров
* Практические домашние работы на Python
* Контрольная где-то в середине курса
* Письменный экзамен

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

Oитоговая = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за письменные проверочные работы на семинарах

КР — оценка за контрольную работу

Э — оценка за экзамен

Округление арифметическое.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.

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

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

== Лекции ==

Лекция 1 (15.01.2020). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2020/lectures/lecture01-intro.pdf Слайды]]

Лекция 2 (22.01.2020). Основные постановки задач. Метод k ближайших соседей. Измерение ошибки в задачах классификации. Параметры и гиперпараметры. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2020/lectures/lecture02-knn.pdf Слайды]]

== Семинары ==

== Практические задания ==

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. В течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки продолжает вычитаться по одному баллу (если не оговорено иное).

== Контрольная работа ==

Вопросы прошлого года: https://docs.google.com/document/d/1kdeA730ItEqgC-4V_-U2gq_EbpX413XmmE9wMj7Wdh8/edit?usp=sharing

Примеры задач:
* Метрические методы, kNN [[http://nbviewer.jupyter.org/github/shestakoff/minor_da_2017/blob/master/colloc_knn.ipynb Примеры задач]]
* Линейные методы [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_linear.pdf Примеры задач]]
* Решающие деревья [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_trees.ipynb Примеры задач]]
* Метрики качества [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_metrics.ipynb Примеры задач]]

== Экзамен ==

Вопросы прошлого года: https://docs.google.com/document/d/1IrRO4kbzKieTWDgJ5UhfPECyU2tvq9CZi2mXgQPzf30/edit?usp=sharing

[https://github.com/esokolov/ml-minor-hse/blob/master/exam-2017/exam_problems_example.pdf Примеры задач прошлого года] (также могут войти задачи из коллоквиума)

==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 Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
* [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.

== Страницы прошлых лет ==

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]

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

Введение в анализ данных (майнор ИАД) 2019/2020

2020-01-17T13:58:50Z

Danyache: иад 6 ссылки

== О курсе ==

Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.

Проводится с 2015 года.

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

Лекции проходят по средам в 10:30, ауд. R405 (Покровский бульвар, 11).

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/316531794 Карточка курса и программа]

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

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+<номер группы>@gmail.com (например, hse.minor.dm+3@gmail.com)

Канал в telegram для объявлений: https://t.me/hse_minor_intro_dm_2020

Чат в telegram для флуда: https://t.me/iad_flood

Ссылка на курс в Anytask:

Таблица с оценками:

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Материалы семинаров
|-
| ИАД-1 || Кохтев Вадим || Ригвава Владимир ||
|-
| ИАД-2 || Филатов Артём, Анастасия Рогачевская || Дмитрий Торилов ||
|-
| ИАД-3 || || ||
|-
| ИАД-4 || Ковалев Евгений || Алвандян Нарек || [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%98%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85/%D0%98%D0%90%D0%94-4-2020 Wiki] [https://github.com/blacKitten13/minor2020-iad4 GitHub] [https://t-do.ru/joinchat/Cci01RHtt3-8NZO02cbg5A Telegram]
|-
| ИАД-5 || || ||
|-
| ИАД-6 || Чесаков Даниил || Ольга Быстрова || [https://github.com/Danyache/minor2020-iad2 GitHub]
|-
|}

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров
* Практические домашние работы на Python
* Контрольная где-то в середине курса
* Письменный экзамен

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

Oитоговая = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за письменные проверочные работы на семинарах

КР — оценка за контрольную работу

Э — оценка за экзамен

Округление арифметическое.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.

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

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

== Лекции ==

Лекция 1 (15.01.2018). Введение в машинное обучение и анализ данных. [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures-2020/lecture01-intro.pdf Слайды]]

== Семинары ==

== Практические задания ==

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. В течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки продолжает вычитаться по одному баллу (если не оговорено иное).

== Контрольная работа ==

Вопросы прошлого года: https://docs.google.com/document/d/1kdeA730ItEqgC-4V_-U2gq_EbpX413XmmE9wMj7Wdh8/edit?usp=sharing

Примеры задач:
* Метрические методы, kNN [[http://nbviewer.jupyter.org/github/shestakoff/minor_da_2017/blob/master/colloc_knn.ipynb Примеры задач]]
* Линейные методы [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_linear.pdf Примеры задач]]
* Решающие деревья [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_trees.ipynb Примеры задач]]
* Метрики качества [[https://github.com/esokolov/ml-minor-hse/blob/master/colloquium-2017/colloquium_minor_problems_metrics.ipynb Примеры задач]]

== Экзамен ==

Вопросы прошлого года: https://docs.google.com/document/d/1IrRO4kbzKieTWDgJ5UhfPECyU2tvq9CZi2mXgQPzf30/edit?usp=sharing

[https://github.com/esokolov/ml-minor-hse/blob/master/exam-2017/exam_problems_example.pdf Примеры задач прошлого года] (также могут войти задачи из коллоквиума)

==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 Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
* [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.

== Страницы прошлых лет ==

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]

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