Wiki - Факультет компьютерных наук - Вклад [ru]

Машинное обучение на матфаке 2022

2022-05-19T18:37:19Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

== Новости и объявления ==
* [https://t.me/+GqWLqJMS4WMzNDJi Чат курса]
* [https://t.me/+4PQXGlC4CgsyMmJi Телеграм канал с объявлениями]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание
|-
| 1 || [https://telegram.me/catherineglazkova Екатерина Глазкова] || четверг 10:00 — 11:20, ауд. 318
|-
| 2 || [https://telegram.me/Palladain Тимур Петров] || понедельник 16:20 — 17:40, ауд. 318
|}

== Система оценивания ==
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Материалы ==
=== Семинары ===

{| class="wikitable"
|-
! Номер !! Дата !! Тема !! Материалы семинара !! Видео
|-
| 1 || 10.01 / 13.01 || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2022-public/blob/main/seminars/sem01_intro.ipynb Ноутбук] || [https://www.youtube.com/watch?v=RYvDFiMAdtc&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 семинар Сони Дымченко с прошлого года]
|-
| 2 || 18.01 / 20.01 || KNN || [https://colab.research.google.com/drive/1Ky9HnVLw0O61rAAxb8KQAA1BHwatOSMY?usp=sharing Ноутбук] || [https://zoom.us/rec/share/kBMvd3uSP4lTwxQrxOeV8wKf5iCjD8hVmHan0jOzU1B0k4X1XZWyeq4m8Xu7qxri.92aICOjcKWFUYKk7 семинар Кати]
|-
| 3 || 24.01 / 27.01 || KNN из коробки, кросс-валидация || [https://colab.research.google.com/drive/1-Co-5Qb_sALbyy6b0HEyuOA-wKujUJd5?usp=sharing Ноутбук] || [https://zoom.us/rec/share/Ht_DMpEqTnlhnaJoWAV_nkZGl0TVz0ZC6JDTn9snjY7KhW13nI75A-T9nnwUT9j3.x_0021RoxkZEYu1X семинар Кати]
|-
| 4 || 31.01 / 3.02 || Линейная регрессия, градиентный спуск, коэффициент детерминации || [https://colab.research.google.com/drive/1_6e313Qe4V1CnZ4QexOu7mqk4ksM_4oU?usp=sharing Ноутбук] || [https://youtu.be/iFMwKTRlSzI семинар Тимура], [https://disk.yandex.ru/i/7XwT6a7dGAxP5A семинар Кати]
|-
| 5 || 07.02 / 10.02 || Линейная регрессия, отбор признаков, регуляризация || [https://colab.research.google.com/drive/1FEK-eFao-gg-aCRYMg8Rih0n6Domeb9T?usp=sharing Ноутбук]|| [https://youtu.be/WAu9yeGtmJo семинар Тимура], [https://disk.yandex.ru/i/kvB8hoJMxUYNeA семинар Кати]
|-
| 6 || 14.02 / 17.02 || Логистическая регрессия, метрики классификации || [https://colab.research.google.com/drive/1VyJcBiIALAp9Gp9eNFsYhn9xv0okKfrO?usp=sharing Ноутбук] || [https://youtu.be/f2mS6vSJuuM семинар Руслана Хайдурова с прошлого года]
|-
| 7 || 21.02 / 24.02 || Работа с текстами || [https://colab.research.google.com/drive/1dXF0UTq_lOjR1ejsKNU2YjaqLXpgEGGo?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/k7QtECVJApcUEw семинар Кати]
|-
| 8 || 28.02 / 03.03 || Решающие деревья || [https://colab.research.google.com/drive/1HGsnVze-_1ChRFAzMZlSOHRn7k8NH5Cs?usp=sharing Ноутбук] [https://colab.research.google.com/drive/12HqBSHMp4YNnMTuGLeukbkaTD-PEALyD?usp=sharing Ноутбук (solved)]|| [https://youtu.be/iKwjq57vCaw семинар Тимура]
|-
| 9 || 07.03 / 11.03 || Случайный лес || [https://colab.research.google.com/drive/1uPkB3nInA63IHlrxDsZ6vH4HR64e5_jm?usp=sharing Ноутбук] || [https://youtu.be/RMQJscqKDUk семинар Тимура], [https://disk.yandex.ru/i/wyqYFoPn4-W8Hg семинар Кати]
|-
| 10 || 14.03 / 18.03 || Градиентный бустинг || [https://colab.research.google.com/drive/1haSwwhRpniKMqNP4XHszIKwyzmJAawov?usp=sharing Ноутбук][https://colab.research.google.com/drive/1-Wmb-eNRxo6RruhIsheRppbli-aCgsd3?usp=sharing solved] || [https://disk.yandex.ru/i/ekxbCMOAtUfjiA семинар Кати]
|-
| 11 || 21.03 / 25.03 || Введение в pytorch || [https://colab.research.google.com/drive/1C_G-hTbHBRPf5CvcOEYn9YbLCy67WmUk?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/5fdm-2f7B184hQ семинар Кати]
|-
| 12 || 04.04 / 07.04 || Работа с изображениями, сверточные сети, регуляризация, fine-tuning || [https://colab.research.google.com/drive/1qtECDb8dzyOHcbIB86MzVoOJItpy529I?usp=sharing Ноутбук], [https://colab.research.google.com/drive/18YvjWi42w2VN_KxrWMC8IKqsNQsvfN7q?usp=sharing solved] || [https://disk.yandex.ru/d/vI4r2_oCQgr7Ng семинар Кати]
|-
| 13 || 11.04 / 14.04 || RNN || [https://colab.research.google.com/drive/14i1r3ntSuA8QRf0wbzsR7R9lG2ZVhnt_?usp=sharing Ноутбук] [https://colab.research.google.com/drive/1HJ6OY4Zs9avgCVDJFMINZwDI0P7_40o4?usp=sharing Solved] [https://pytorch.org/tutorials/intermediate/seq2seq_translation_tutorial.html туториал с примером применения nn.GRU в pytorch] || [https://disk.yandex.ru/i/Xn1j_UbocxsO3Q семинар Кати]
|-
| 14 || 18.04 / 21.04 || Transformer || [https://colab.research.google.com/drive/18sRp3FBYQuCnJ7ziHx-Y0gcpt-jQe6Qc?usp=sharing Ноутбук][https://jalammar.github.io/illustrated-transformer/ Визуализация архитектуры] [https://colab.research.google.com/drive/1THfuzdraEFJZBQ8gwRXJ2rginq8Ef7Ik?usp=sharing Ноутбук к семинару 21/04]||[https://disk.yandex.ru/i/APZl10fIyb3xRg семинар Кати]
|-
| 15 || / 28.04 || Vanishing and exploding gradients, normalization layers, residual connections || [https://colab.research.google.com/drive/1yjDSkPH95cq94hIu0SDlWv6VKPJT6dxk?usp=sharing Ноутбук]|| [https://disk.yandex.ru/i/5lVnzLHHg-9J6w семинар Кати]
|-
| 16 || 16.05 / 19.05 || Матричные разложения и приложения, SVD, PCA, LSA || [https://colab.research.google.com/drive/1hGQv0B3Rlnzk3XnSCTof1b0HkHKVU2cp?usp=sharing Ноутбук] || [https://youtu.be/F-HW0dlT7ks Семинар Сони Дымченко 2020 года]
|}

=== Лекции ===

{| class="wikitable"
|-
! Дата !! Тема !! Ссылки
|-
| 14.01 || Задачи и методы машинного обучения || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 Видео прошлого года]
|-
| 17.01
| Оценка качества предсказаний предиктивных моделей. Введение в статистическую теорию принятия решений. Метод k ближайших соседей.
| [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Конспект], [https://www.youtube.com/watch?v=N79imD4BVZM видео прошлого года]. Дополнительные конспекты: [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html об условных вероятностях] (англ.), [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/ напоминание про теорию вероятностей]
|-
| 24.01
| Разложение ошибки на шум, смещение и разброс
| Конспекты: [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/#label_subsection_number_1_4_2 состоятельность и несмещенность статистических оценок], [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ шум, смещение и разброс], [https://youtu.be/m5P7-j_K-8U видео лекции]
|-
| 31.01
| Линейная регрессия, метод наименьших квадратов
| [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/#label_chap_5_linear-reg Конспект], [https://youtu.be/jb8rWwJ_h_Q видео лекции]
|-
| 07.02
| Ещё о линейной регрессии: дисперсия МНК-оценки
| [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/#label_chap_6_linear-reg2 Конспект], [https://youtu.be/Ok8CGK0jCMQ видео лекции]
|-
| 14.02
| Ещё о линейной регрессии: регуляризация. Логистическая регрессия
| [https://youtu.be/lC0V7MYgyBE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 21.02
| Ещё о логистической регрессии
| [https://youtu.be/U5P8zDt6esc Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 28.02
| Метод опорных векторов. Решающие деревья
| [https://youtu.be/JH52SogcC28 Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 7.03
| Ансамбли. Случайные леса
| [https://youtu.be/6dMDgtZP1UE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 14.03
| Градиентный бустинг
| [https://youtu.be/2ZxOOVeWt9Y Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|-
| 21.03
| Нейросети
| [https://youtu.be/FX_zo4mox0k Видео лекции], Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения]. Дополнительный материал: [http://neuralnetworksanddeeplearning.com/chap4.html теорема об универсальной аппроксимации] (англ.)
|-
| 5.04
| Свёрточные нейросети
| [https://youtu.be/qeLzwi1b_rk Видо лекции], [http://cs231n.github.io/convolutional-networks/ convolutional networks] (англ.)
|-
| 11.04
| Обработка последовательностей: свёртки и RNN
| [https://youtu.be/3ySXTvZ--LI Видео лекции], [http://colah.github.io/posts/2015-08-Understanding-LSTMs/ пост про RNN и LSTM]
|-
| 18.04
| Механизм внимания. Архитектура transformer
| [https://youtu.be/XUSHYyaC8bU Видео лекции]
|-
| 16.05
| Задачи unsupervised learning. Снижение размерности. Метод главных компонент. Кластеризация. K-means
| [https://youtu.be/4GoY3vvZrCU Видео лекции]
|}

=== Домашние задания ===
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw1_theor.ipynb ДЗ№1] (теоретическое), срок сдачи 25 января, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw2_practice.ipynb ДЗ№2] (практическое), срок сдачи 23 февраля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* ДЗ№3: соревнование (подробности в канале).
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw4_theor.ipynb ДЗ№4] (теоретическая), срок сдачи 23 апреля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].

== Прошедшие контрольные ==
=== Midterm ===
* [http://math-info.hse.ru/f/2018-19/math-ml/midterm.pdf Вариант 2018-19 учебного года]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/midterm-2020.pdf Вариант 2019-20 учебного года],
** [https://youtu.be/iGQ518pCAEM Разбор] ([http://math-info.hse.ru/f/2020-21/math-ml/midterm2019-20.pdf вариант из разбора])
=== Final ===
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2019.pdf Экзамен 2019]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2020.pdf Экзамен 2020]

== Полезные ссылки ==
* [http://wiki.cs.hse.ru/Машинное_обучение_на_матфаке_2021 Страница курса прошлого года]
* [https://mml-book.github.io/book/mml-book.pdf Математика для машинного обучения] (англ.)

Машинное обучение на матфаке 2022

2022-05-19T18:28:16Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

== Новости и объявления ==
* [https://t.me/+GqWLqJMS4WMzNDJi Чат курса]
* [https://t.me/+4PQXGlC4CgsyMmJi Телеграм канал с объявлениями]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание
|-
| 1 || [https://telegram.me/catherineglazkova Екатерина Глазкова] || четверг 10:00 — 11:20, ауд. 318
|-
| 2 || [https://telegram.me/Palladain Тимур Петров] || понедельник 16:20 — 17:40, ауд. 318
|}

== Система оценивания ==
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Материалы ==
=== Семинары ===

{| class="wikitable"
|-
! Номер !! Дата !! Тема !! Материалы семинара !! Видео
|-
| 1 || 10.01 / 13.01 || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2022-public/blob/main/seminars/sem01_intro.ipynb Ноутбук] || [https://www.youtube.com/watch?v=RYvDFiMAdtc&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 семинар Сони Дымченко с прошлого года]
|-
| 2 || 18.01 / 20.01 || KNN || [https://colab.research.google.com/drive/1Ky9HnVLw0O61rAAxb8KQAA1BHwatOSMY?usp=sharing Ноутбук] || [https://zoom.us/rec/share/kBMvd3uSP4lTwxQrxOeV8wKf5iCjD8hVmHan0jOzU1B0k4X1XZWyeq4m8Xu7qxri.92aICOjcKWFUYKk7 семинар Кати]
|-
| 3 || 24.01 / 27.01 || KNN из коробки, кросс-валидация || [https://colab.research.google.com/drive/1-Co-5Qb_sALbyy6b0HEyuOA-wKujUJd5?usp=sharing Ноутбук] || [https://zoom.us/rec/share/Ht_DMpEqTnlhnaJoWAV_nkZGl0TVz0ZC6JDTn9snjY7KhW13nI75A-T9nnwUT9j3.x_0021RoxkZEYu1X семинар Кати]
|-
| 4 || 31.01 / 3.02 || Линейная регрессия, градиентный спуск, коэффициент детерминации || [https://colab.research.google.com/drive/1_6e313Qe4V1CnZ4QexOu7mqk4ksM_4oU?usp=sharing Ноутбук] || [https://youtu.be/iFMwKTRlSzI семинар Тимура], [https://disk.yandex.ru/i/7XwT6a7dGAxP5A семинар Кати]
|-
| 5 || 07.02 / 10.02 || Линейная регрессия, отбор признаков, регуляризация || [https://colab.research.google.com/drive/1FEK-eFao-gg-aCRYMg8Rih0n6Domeb9T?usp=sharing Ноутбук]|| [https://youtu.be/WAu9yeGtmJo семинар Тимура], [https://disk.yandex.ru/i/kvB8hoJMxUYNeA семинар Кати]
|-
| 6 || 14.02 / 17.02 || Логистическая регрессия, метрики классификации || [https://colab.research.google.com/drive/1VyJcBiIALAp9Gp9eNFsYhn9xv0okKfrO?usp=sharing Ноутбук] || [https://youtu.be/f2mS6vSJuuM семинар Руслана Хайдурова с прошлого года]
|-
| 7 || 21.02 / 24.02 || Работа с текстами || [https://colab.research.google.com/drive/1dXF0UTq_lOjR1ejsKNU2YjaqLXpgEGGo?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/k7QtECVJApcUEw семинар Кати]
|-
| 8 || 28.02 / 03.03 || Решающие деревья || [https://colab.research.google.com/drive/1HGsnVze-_1ChRFAzMZlSOHRn7k8NH5Cs?usp=sharing Ноутбук] [https://colab.research.google.com/drive/12HqBSHMp4YNnMTuGLeukbkaTD-PEALyD?usp=sharing Ноутбук (solved)]|| [https://youtu.be/iKwjq57vCaw семинар Тимура]
|-
| 9 || 07.03 / 11.03 || Случайный лес || [https://colab.research.google.com/drive/1uPkB3nInA63IHlrxDsZ6vH4HR64e5_jm?usp=sharing Ноутбук] || [https://youtu.be/RMQJscqKDUk семинар Тимура], [https://disk.yandex.ru/i/wyqYFoPn4-W8Hg семинар Кати]
|-
| 10 || 14.03 / 18.03 || Градиентный бустинг || [https://colab.research.google.com/drive/1haSwwhRpniKMqNP4XHszIKwyzmJAawov?usp=sharing Ноутбук][https://colab.research.google.com/drive/1-Wmb-eNRxo6RruhIsheRppbli-aCgsd3?usp=sharing solved] || [https://disk.yandex.ru/i/ekxbCMOAtUfjiA семинар Кати]
|-
| 11 || 21.03 / 25.03 || Введение в pytorch || [https://colab.research.google.com/drive/1C_G-hTbHBRPf5CvcOEYn9YbLCy67WmUk?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/5fdm-2f7B184hQ семинар Кати]
|-
| 12 || 04.04 / 07.04 || Работа с изображениями, сверточные сети, регуляризация, fine-tuning || [https://colab.research.google.com/drive/1qtECDb8dzyOHcbIB86MzVoOJItpy529I?usp=sharing Ноутбук], [https://colab.research.google.com/drive/18YvjWi42w2VN_KxrWMC8IKqsNQsvfN7q?usp=sharing solved] || [https://disk.yandex.ru/d/vI4r2_oCQgr7Ng семинар Кати]
|-
| 13 || 11.04 / 14.04 || RNN || [https://colab.research.google.com/drive/14i1r3ntSuA8QRf0wbzsR7R9lG2ZVhnt_?usp=sharing Ноутбук] [https://colab.research.google.com/drive/1HJ6OY4Zs9avgCVDJFMINZwDI0P7_40o4?usp=sharing Solved] [https://pytorch.org/tutorials/intermediate/seq2seq_translation_tutorial.html туториал с примером применения nn.GRU в pytorch] || [https://disk.yandex.ru/i/Xn1j_UbocxsO3Q семинар Кати]
|-
| 14 || 18.04 / 21.04 || Transformer || [https://colab.research.google.com/drive/18sRp3FBYQuCnJ7ziHx-Y0gcpt-jQe6Qc?usp=sharing Ноутбук][https://jalammar.github.io/illustrated-transformer/ Визуализация архитектуры] [https://colab.research.google.com/drive/1THfuzdraEFJZBQ8gwRXJ2rginq8Ef7Ik?usp=sharing Ноутбук к семинару 21/04]||[https://disk.yandex.ru/i/APZl10fIyb3xRg семинар Кати]
|-
| 15 || / 28.04 || Vanishing and exploding gradients, normalization layers, residual connections || [https://colab.research.google.com/drive/1yjDSkPH95cq94hIu0SDlWv6VKPJT6dxk?usp=sharing Ноутбук]|| [https://disk.yandex.ru/i/5lVnzLHHg-9J6w семинар Кати]
|-
| 16 || 16.05 / 19.05 || Матричные разложения и приложения, SVD, PCA, LSA || [https://colab.research.google.com/drive/1hGQv0B3Rlnzk3XnSCTof1b0HkHKVU2cp?usp=sharing Ноутбук] || [https://youtu.be/F-HW0dlT7ks Семинар Сони Дымченко 2020 года]
|}

=== Лекции ===

{| class="wikitable"
|-
! Дата !! Тема !! Ссылки
|-
| 14.01 || Задачи и методы машинного обучения || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 Видео прошлого года]
|-
| 17.01
| Оценка качества предсказаний предиктивных моделей. Введение в статистическую теорию принятия решений. Метод k ближайших соседей.
| [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Конспект], [https://www.youtube.com/watch?v=N79imD4BVZM видео прошлого года]. Дополнительные конспекты: [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html об условных вероятностях] (англ.), [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/ напоминание про теорию вероятностей]
|-
| 24.01
| Разложение ошибки на шум, смещение и разброс
| Конспекты: [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/#label_subsection_number_1_4_2 состоятельность и несмещенность статистических оценок], [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ шум, смещение и разброс], [https://youtu.be/m5P7-j_K-8U видео лекции]
|-
| 31.01
| Линейная регрессия, метод наименьших квадратов
| [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/#label_chap_5_linear-reg Конспект], [https://youtu.be/jb8rWwJ_h_Q видео лекции]
|-
| 07.02
| Ещё о линейной регрессии: дисперсия МНК-оценки
| [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/#label_chap_6_linear-reg2 Конспект], [https://youtu.be/Ok8CGK0jCMQ видео лекции]
|-
| 14.02
| Ещё о линейной регрессии: регуляризация. Логистическая регрессия
| [https://youtu.be/lC0V7MYgyBE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 21.02
| Ещё о логистической регрессии
| [https://youtu.be/U5P8zDt6esc Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 28.02
| Метод опорных векторов. Решающие деревья
| [https://youtu.be/JH52SogcC28 Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 7.03
| Ансамбли. Случайные леса
| [https://youtu.be/6dMDgtZP1UE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 14.03
| Градиентный бустинг
| [https://youtu.be/2ZxOOVeWt9Y Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|-
| 21.03
| Нейросети
| [https://youtu.be/FX_zo4mox0k Видео лекции], Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения]. Дополнительный материал: [http://neuralnetworksanddeeplearning.com/chap4.html теорема об универсальной аппроксимации] (англ.)
|-
| 5.04
| Свёрточные нейросети
| [https://youtu.be/qeLzwi1b_rk Видо лекции], [http://cs231n.github.io/convolutional-networks/ convolutional networks] (англ.)
|-
| 11.04
| Обработка последовательностей: свёртки и RNN
| [https://youtu.be/3ySXTvZ--LI Видео лекции], [http://colah.github.io/posts/2015-08-Understanding-LSTMs/ пост про RNN и LSTM]
|-
| 18.04
| Механизм внимания. Архитектура transformer
| [https://youtu.be/XUSHYyaC8bU Видео лекции]
|}

=== Домашние задания ===
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw1_theor.ipynb ДЗ№1] (теоретическое), срок сдачи 25 января, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw2_practice.ipynb ДЗ№2] (практическое), срок сдачи 23 февраля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* ДЗ№3: соревнование (подробности в канале).
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw4_theor.ipynb ДЗ№4] (теоретическая), срок сдачи 23 апреля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].

== Прошедшие контрольные ==
=== Midterm ===
* [http://math-info.hse.ru/f/2018-19/math-ml/midterm.pdf Вариант 2018-19 учебного года]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/midterm-2020.pdf Вариант 2019-20 учебного года],
** [https://youtu.be/iGQ518pCAEM Разбор] ([http://math-info.hse.ru/f/2020-21/math-ml/midterm2019-20.pdf вариант из разбора])
=== Final ===
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2019.pdf Экзамен 2019]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2020.pdf Экзамен 2020]

== Полезные ссылки ==
* [http://wiki.cs.hse.ru/Машинное_обучение_на_матфаке_2021 Страница курса прошлого года]
* [https://mml-book.github.io/book/mml-book.pdf Математика для машинного обучения] (англ.)

Машинное обучение на матфаке 2022

2022-05-18T21:16:00Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

== Новости и объявления ==
* [https://t.me/+GqWLqJMS4WMzNDJi Чат курса]
* [https://t.me/+4PQXGlC4CgsyMmJi Телеграм канал с объявлениями]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание
|-
| 1 || [https://telegram.me/catherineglazkova Екатерина Глазкова] || четверг 10:00 — 11:20, ауд. 318
|-
| 2 || [https://telegram.me/Palladain Тимур Петров] || понедельник 16:20 — 17:40, ауд. 318
|}

== Система оценивания ==
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Материалы ==
=== Семинары ===

{| class="wikitable"
|-
! Номер !! Дата !! Тема !! Материалы семинара !! Видео
|-
| 1 || 10.01 / 13.01 || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2022-public/blob/main/seminars/sem01_intro.ipynb Ноутбук] || [https://www.youtube.com/watch?v=RYvDFiMAdtc&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 семинар Сони Дымченко с прошлого года]
|-
| 2 || 18.01 / 20.01 || KNN || [https://colab.research.google.com/drive/1Ky9HnVLw0O61rAAxb8KQAA1BHwatOSMY?usp=sharing Ноутбук] || [https://zoom.us/rec/share/kBMvd3uSP4lTwxQrxOeV8wKf5iCjD8hVmHan0jOzU1B0k4X1XZWyeq4m8Xu7qxri.92aICOjcKWFUYKk7 семинар Кати]
|-
| 3 || 24.01 / 27.01 || KNN из коробки, кросс-валидация || [https://colab.research.google.com/drive/1-Co-5Qb_sALbyy6b0HEyuOA-wKujUJd5?usp=sharing Ноутбук] || [https://zoom.us/rec/share/Ht_DMpEqTnlhnaJoWAV_nkZGl0TVz0ZC6JDTn9snjY7KhW13nI75A-T9nnwUT9j3.x_0021RoxkZEYu1X семинар Кати]
|-
| 4 || 31.01 / 3.02 || Линейная регрессия, градиентный спуск, коэффициент детерминации || [https://colab.research.google.com/drive/1_6e313Qe4V1CnZ4QexOu7mqk4ksM_4oU?usp=sharing Ноутбук] || [https://youtu.be/iFMwKTRlSzI семинар Тимура], [https://disk.yandex.ru/i/7XwT6a7dGAxP5A семинар Кати]
|-
| 5 || 07.02 / 10.02 || Линейная регрессия, отбор признаков, регуляризация || [https://colab.research.google.com/drive/1FEK-eFao-gg-aCRYMg8Rih0n6Domeb9T?usp=sharing Ноутбук]|| [https://youtu.be/WAu9yeGtmJo семинар Тимура], [https://disk.yandex.ru/i/kvB8hoJMxUYNeA семинар Кати]
|-
| 6 || 14.02 / 17.02 || Логистическая регрессия, метрики классификации || [https://colab.research.google.com/drive/1VyJcBiIALAp9Gp9eNFsYhn9xv0okKfrO?usp=sharing Ноутбук] || [https://youtu.be/f2mS6vSJuuM семинар Руслана Хайдурова с прошлого года]
|-
| 7 || 21.02 / 24.02 || Работа с текстами || [https://colab.research.google.com/drive/1dXF0UTq_lOjR1ejsKNU2YjaqLXpgEGGo?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/k7QtECVJApcUEw семинар Кати]
|-
| 8 || 28.02 / 03.03 || Решающие деревья || [https://colab.research.google.com/drive/1HGsnVze-_1ChRFAzMZlSOHRn7k8NH5Cs?usp=sharing Ноутбук] [https://colab.research.google.com/drive/12HqBSHMp4YNnMTuGLeukbkaTD-PEALyD?usp=sharing Ноутбук (solved)]|| [https://youtu.be/iKwjq57vCaw семинар Тимура]
|-
| 9 || 07.03 / 11.03 || Случайный лес || [https://colab.research.google.com/drive/1uPkB3nInA63IHlrxDsZ6vH4HR64e5_jm?usp=sharing Ноутбук] || [https://youtu.be/RMQJscqKDUk семинар Тимура], [https://disk.yandex.ru/i/wyqYFoPn4-W8Hg семинар Кати]
|-
| 10 || 14.03 / 18.03 || Градиентный бустинг || [https://colab.research.google.com/drive/1haSwwhRpniKMqNP4XHszIKwyzmJAawov?usp=sharing Ноутбук][https://colab.research.google.com/drive/1-Wmb-eNRxo6RruhIsheRppbli-aCgsd3?usp=sharing solved] || [https://disk.yandex.ru/i/ekxbCMOAtUfjiA семинар Кати]
|-
| 11 || 21.03 / 25.03 || Введение в pytorch || [https://colab.research.google.com/drive/1C_G-hTbHBRPf5CvcOEYn9YbLCy67WmUk?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/5fdm-2f7B184hQ семинар Кати]
|-
| 12 || 04.04 / 07.04 || Работа с изображениями, сверточные сети, регуляризация, fine-tuning || [https://colab.research.google.com/drive/1qtECDb8dzyOHcbIB86MzVoOJItpy529I?usp=sharing Ноутбук], [https://colab.research.google.com/drive/18YvjWi42w2VN_KxrWMC8IKqsNQsvfN7q?usp=sharing solved] || [https://disk.yandex.ru/d/vI4r2_oCQgr7Ng семинар Кати]
|-
| 13 || 11.04 / 14.04 || RNN || [https://colab.research.google.com/drive/14i1r3ntSuA8QRf0wbzsR7R9lG2ZVhnt_?usp=sharing Ноутбук] [https://colab.research.google.com/drive/1HJ6OY4Zs9avgCVDJFMINZwDI0P7_40o4?usp=sharing Solved] [https://pytorch.org/tutorials/intermediate/seq2seq_translation_tutorial.html туториал с примером применения nn.GRU в pytorch] || [https://disk.yandex.ru/i/Xn1j_UbocxsO3Q семинар Кати]
|-
| 14 || 18.04 / 21.04 || Transformer || [https://colab.research.google.com/drive/18sRp3FBYQuCnJ7ziHx-Y0gcpt-jQe6Qc?usp=sharing Ноутбук][https://jalammar.github.io/illustrated-transformer/ Визуализация архитектуры] [https://colab.research.google.com/drive/1THfuzdraEFJZBQ8gwRXJ2rginq8Ef7Ik?usp=sharing Ноутбук к семинару 21/04]||[https://disk.yandex.ru/i/APZl10fIyb3xRg семинар Кати]
|-
| 15 || / 28.04 || Vanishing and exploding gradients, normalization layers, residual connections || [https://colab.research.google.com/drive/1yjDSkPH95cq94hIu0SDlWv6VKPJT6dxk?usp=sharing Ноутбук]|| [https://disk.yandex.ru/i/5lVnzLHHg-9J6w семинар Кати]
|}

=== Лекции ===

{| class="wikitable"
|-
! Дата !! Тема !! Ссылки
|-
| 14.01 || Задачи и методы машинного обучения || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 Видео прошлого года]
|-
| 17.01
| Оценка качества предсказаний предиктивных моделей. Введение в статистическую теорию принятия решений. Метод k ближайших соседей.
| [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Конспект], [https://www.youtube.com/watch?v=N79imD4BVZM видео прошлого года]. Дополнительные конспекты: [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html об условных вероятностях] (англ.), [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/ напоминание про теорию вероятностей]
|-
| 24.01
| Разложение ошибки на шум, смещение и разброс
| Конспекты: [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/#label_subsection_number_1_4_2 состоятельность и несмещенность статистических оценок], [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ шум, смещение и разброс], [https://youtu.be/m5P7-j_K-8U видео лекции]
|-
| 31.01
| Линейная регрессия, метод наименьших квадратов
| [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/#label_chap_5_linear-reg Конспект], [https://youtu.be/jb8rWwJ_h_Q видео лекции]
|-
| 07.02
| Ещё о линейной регрессии: дисперсия МНК-оценки
| [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/#label_chap_6_linear-reg2 Конспект], [https://youtu.be/Ok8CGK0jCMQ видео лекции]
|-
| 14.02
| Ещё о линейной регрессии: регуляризация. Логистическая регрессия
| [https://youtu.be/lC0V7MYgyBE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 21.02
| Ещё о логистической регрессии
| [https://youtu.be/U5P8zDt6esc Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 28.02
| Метод опорных векторов. Решающие деревья
| [https://youtu.be/JH52SogcC28 Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 7.03
| Ансамбли. Случайные леса
| [https://youtu.be/6dMDgtZP1UE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 14.03
| Градиентный бустинг
| [https://youtu.be/2ZxOOVeWt9Y Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|-
| 21.03
| Нейросети
| [https://youtu.be/FX_zo4mox0k Видео лекции], Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения]. Дополнительный материал: [http://neuralnetworksanddeeplearning.com/chap4.html теорема об универсальной аппроксимации] (англ.)
|-
| 5.04
| Свёрточные нейросети
| [https://youtu.be/qeLzwi1b_rk Видо лекции], [http://cs231n.github.io/convolutional-networks/ convolutional networks] (англ.)
|-
| 11.04
| Обработка последовательностей: свёртки и RNN
| [https://youtu.be/3ySXTvZ--LI Видео лекции], [http://colah.github.io/posts/2015-08-Understanding-LSTMs/ пост про RNN и LSTM]
|}

=== Домашние задания ===
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw1_theor.ipynb ДЗ№1] (теоретическое), срок сдачи 25 января, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw2_practice.ipynb ДЗ№2] (практическое), срок сдачи 23 февраля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* ДЗ№3: соревнование (подробности в канале).
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw4_theor.ipynb ДЗ№4] (теоретическая), срок сдачи 23 апреля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].

== Прошедшие контрольные ==
=== Midterm ===
* [http://math-info.hse.ru/f/2018-19/math-ml/midterm.pdf Вариант 2018-19 учебного года]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/midterm-2020.pdf Вариант 2019-20 учебного года],
** [https://youtu.be/iGQ518pCAEM Разбор] ([http://math-info.hse.ru/f/2020-21/math-ml/midterm2019-20.pdf вариант из разбора])
=== Final ===
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2019.pdf Экзамен 2019]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2020.pdf Экзамен 2020]

== Полезные ссылки ==
* [http://wiki.cs.hse.ru/Машинное_обучение_на_матфаке_2021 Страница курса прошлого года]
* [https://mml-book.github.io/book/mml-book.pdf Математика для машинного обучения] (англ.)

Машинное обучение на матфаке 2022

2022-04-13T11:03:02Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

== Новости и объявления ==
* [https://t.me/+GqWLqJMS4WMzNDJi Чат курса]
* [https://t.me/+4PQXGlC4CgsyMmJi Телеграм канал с объявлениями]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание
|-
| 1 || [https://telegram.me/catherineglazkova Екатерина Глазкова] || четверг 10:00 — 11:20, ауд. 318
|-
| 2 || [https://telegram.me/Palladain Тимур Петров] || понедельник 16:20 — 17:40, ауд. 318
|}

== Система оценивания ==
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Материалы ==
=== Семинары ===

{| class="wikitable"
|-
! Номер !! Дата !! Тема !! Материалы семинара !! Видео
|-
| 1 || 10.01 / 13.01 || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2022-public/blob/main/seminars/sem01_intro.ipynb Ноутбук] || [https://www.youtube.com/watch?v=RYvDFiMAdtc&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 семинар Сони Дымченко с прошлого года]
|-
| 2 || 18.01 / 20.01 || KNN || [https://colab.research.google.com/drive/1Ky9HnVLw0O61rAAxb8KQAA1BHwatOSMY?usp=sharing Ноутбук] || [https://zoom.us/rec/share/kBMvd3uSP4lTwxQrxOeV8wKf5iCjD8hVmHan0jOzU1B0k4X1XZWyeq4m8Xu7qxri.92aICOjcKWFUYKk7 семинар Кати]
|-
| 3 || 24.01 / 27.01 || KNN из коробки, кросс-валидация || [https://colab.research.google.com/drive/1-Co-5Qb_sALbyy6b0HEyuOA-wKujUJd5?usp=sharing Ноутбук] || [https://zoom.us/rec/share/Ht_DMpEqTnlhnaJoWAV_nkZGl0TVz0ZC6JDTn9snjY7KhW13nI75A-T9nnwUT9j3.x_0021RoxkZEYu1X семинар Кати]
|-
| 4 || 31.01 / 3.02 || Линейная регрессия, градиентный спуск, коэффициент детерминации || [https://colab.research.google.com/drive/1_6e313Qe4V1CnZ4QexOu7mqk4ksM_4oU?usp=sharing Ноутбук] || [https://youtu.be/iFMwKTRlSzI семинар Тимура], [https://disk.yandex.ru/i/7XwT6a7dGAxP5A семинар Кати]
|-
| 5 || 07.02 / 10.02 || Линейная регрессия, отбор признаков, регуляризация || [https://colab.research.google.com/drive/1FEK-eFao-gg-aCRYMg8Rih0n6Domeb9T?usp=sharing Ноутбук]|| [https://youtu.be/WAu9yeGtmJo семинар Тимура], [https://disk.yandex.ru/i/kvB8hoJMxUYNeA семинар Кати]
|-
| 6 || 14.02 / 17.02 || Логистическая регрессия, метрики классификации || [https://colab.research.google.com/drive/1VyJcBiIALAp9Gp9eNFsYhn9xv0okKfrO?usp=sharing Ноутбук] || [https://youtu.be/f2mS6vSJuuM семинар Руслана Хайдурова с прошлого года]
|-
| 7 || 21.02 / 24.02 || Работа с текстами || [https://colab.research.google.com/drive/1dXF0UTq_lOjR1ejsKNU2YjaqLXpgEGGo?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/k7QtECVJApcUEw семинар Кати]
|-
| 8 || 28.02 / 03.03 || Решающие деревья || [https://colab.research.google.com/drive/1HGsnVze-_1ChRFAzMZlSOHRn7k8NH5Cs?usp=sharing Ноутбук] [https://colab.research.google.com/drive/12HqBSHMp4YNnMTuGLeukbkaTD-PEALyD?usp=sharing Ноутбук (solved)]|| [https://youtu.be/iKwjq57vCaw семинар Тимура]
|-
| 9 || 07.03 / 11.03 || Случайный лес || [https://colab.research.google.com/drive/1uPkB3nInA63IHlrxDsZ6vH4HR64e5_jm?usp=sharing Ноутбук] || [https://youtu.be/RMQJscqKDUk семинар Тимура], [https://disk.yandex.ru/i/wyqYFoPn4-W8Hg семинар Кати]
|-
| 10 || 14.03 / 18.03 || Градиентный бустинг || [https://colab.research.google.com/drive/1haSwwhRpniKMqNP4XHszIKwyzmJAawov?usp=sharing Ноутбук][https://colab.research.google.com/drive/1-Wmb-eNRxo6RruhIsheRppbli-aCgsd3?usp=sharing solved] || [https://disk.yandex.ru/i/ekxbCMOAtUfjiA семинар Кати]
|-
| 11 || 21.03 / 25.03 || Введение в pytorch || [https://colab.research.google.com/drive/1C_G-hTbHBRPf5CvcOEYn9YbLCy67WmUk?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/5fdm-2f7B184hQ семинар Кати]
|-
| 12 || 04.04 / 07.04 || Работа с изображениями, сверточные сети, регуляризация, fine-tuning || [https://colab.research.google.com/drive/1qtECDb8dzyOHcbIB86MzVoOJItpy529I?usp=sharing Ноутбук], [https://colab.research.google.com/drive/18YvjWi42w2VN_KxrWMC8IKqsNQsvfN7q?usp=sharing solved] || [https://disk.yandex.ru/d/vI4r2_oCQgr7Ng семинар Кати]
|-
| 13 || 11.04 / 14.04 || RNN || [https://colab.research.google.com/drive/186tbGc4QCFZ6iCcVK26aLbzpuFYfnU-N?usp=sharing Ноутбук] [https://colab.research.google.com/drive/1HJ6OY4Zs9avgCVDJFMINZwDI0P7_40o4?usp=sharing Solved]
|}

=== Лекции ===

{| class="wikitable"
|-
! Дата !! Тема !! Ссылки
|-
| 14.01 || Задачи и методы машинного обучения || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 Видео прошлого года]
|-
| 17.01
| Оценка качества предсказаний предиктивных моделей. Введение в статистическую теорию принятия решений. Метод k ближайших соседей.
| [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Конспект], [https://www.youtube.com/watch?v=N79imD4BVZM видео прошлого года]. Дополнительные конспекты: [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html об условных вероятностях] (англ.), [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/ напоминание про теорию вероятностей]
|-
| 24.01
| Разложение ошибки на шум, смещение и разброс
| Конспекты: [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/#label_subsection_number_1_4_2 состоятельность и несмещенность статистических оценок], [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ шум, смещение и разброс], [https://youtu.be/m5P7-j_K-8U видео лекции]
|-
| 31.01
| Линейная регрессия, метод наименьших квадратов
| [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/#label_chap_5_linear-reg Конспект], [https://youtu.be/jb8rWwJ_h_Q видео лекции]
|-
| 07.02
| Ещё о линейной регрессии: дисперсия МНК-оценки
| [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/#label_chap_6_linear-reg2 Конспект], [https://youtu.be/Ok8CGK0jCMQ видео лекции]
|-
| 14.02
| Ещё о линейной регрессии: регуляризация. Логистическая регрессия
| [https://youtu.be/lC0V7MYgyBE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 21.02
| Ещё о логистической регрессии
| [https://youtu.be/U5P8zDt6esc Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 28.02
| Метод опорных векторов. Решающие деревья
| [https://youtu.be/JH52SogcC28 Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 7.03
| Ансамбли. Случайные леса
| [https://youtu.be/6dMDgtZP1UE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 14.03
| Градиентный бустинг
| [https://youtu.be/2ZxOOVeWt9Y Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|-
| 21.03
| Нейросети
| [https://youtu.be/FX_zo4mox0k Видео лекции], Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения]. Дополнительный материал: [http://neuralnetworksanddeeplearning.com/chap4.html теорема об универсальной аппроксимации] (англ.)
|-
| 5.04
| Свёрточные нейросети
| [https://youtu.be/qeLzwi1b_rk Видо лекции], [http://cs231n.github.io/convolutional-networks/ convolutional networks] (англ.)
|-
| 11.04
| Обработка последовательностей: свёртки и RNN
| [https://youtu.be/3ySXTvZ--LI Видео лекции], [http://colah.github.io/posts/2015-08-Understanding-LSTMs/ пост про RNN и LSTM]
|}

=== Домашние задания ===
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw1_theor.ipynb ДЗ№1] (теоретическое), срок сдачи 25 января, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw2_practice.ipynb ДЗ№2] (практическое), срок сдачи 23 февраля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* ДЗ№3: соревнование (подробности в канале).
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw4_theor.ipynb ДЗ№4] (теоретическая), срок сдачи 23 апреля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].

== Прошедшие контрольные ==
* [http://math-info.hse.ru/f/2018-19/math-ml/midterm.pdf Вариант 2018-19 учебного года]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/midterm-2020.pdf Вариант 2019-20 учебного года],
** [https://youtu.be/iGQ518pCAEM Разбор] ([http://math-info.hse.ru/f/2020-21/math-ml/midterm2019-20.pdf вариант из разбора])

== Полезные ссылки ==
* [http://wiki.cs.hse.ru/Машинное_обучение_на_матфаке_2021 Страница курса прошлого года]
* [https://mml-book.github.io/book/mml-book.pdf Математика для машинного обучения] (англ.)

Машинное обучение на матфаке 2022

2022-04-13T10:57:26Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

== Новости и объявления ==
* [https://t.me/+GqWLqJMS4WMzNDJi Чат курса]
* [https://t.me/+4PQXGlC4CgsyMmJi Телеграм канал с объявлениями]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание
|-
| 1 || [https://telegram.me/catherineglazkova Екатерина Глазкова] || четверг 10:00 — 11:20, ауд. 318
|-
| 2 || [https://telegram.me/Palladain Тимур Петров] || понедельник 16:20 — 17:40, ауд. 318
|}

== Система оценивания ==
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Материалы ==
=== Семинары ===

{| class="wikitable"
|-
! Номер !! Дата !! Тема !! Материалы семинара !! Видео
|-
| 1 || 10.01 / 13.01 || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2022-public/blob/main/seminars/sem01_intro.ipynb Ноутбук] || [https://www.youtube.com/watch?v=RYvDFiMAdtc&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 семинар Сони Дымченко с прошлого года]
|-
| 2 || 18.01 / 20.01 || KNN || [https://colab.research.google.com/drive/1Ky9HnVLw0O61rAAxb8KQAA1BHwatOSMY?usp=sharing Ноутбук] || [https://zoom.us/rec/share/kBMvd3uSP4lTwxQrxOeV8wKf5iCjD8hVmHan0jOzU1B0k4X1XZWyeq4m8Xu7qxri.92aICOjcKWFUYKk7 семинар Кати]
|-
| 3 || 24.01 / 27.01 || KNN из коробки, кросс-валидация || [https://colab.research.google.com/drive/1-Co-5Qb_sALbyy6b0HEyuOA-wKujUJd5?usp=sharing Ноутбук] || [https://zoom.us/rec/share/Ht_DMpEqTnlhnaJoWAV_nkZGl0TVz0ZC6JDTn9snjY7KhW13nI75A-T9nnwUT9j3.x_0021RoxkZEYu1X семинар Кати]
|-
| 4 || 31.01 / 3.02 || Линейная регрессия, градиентный спуск, коэффициент детерминации || [https://colab.research.google.com/drive/1_6e313Qe4V1CnZ4QexOu7mqk4ksM_4oU?usp=sharing Ноутбук] || [https://youtu.be/iFMwKTRlSzI семинар Тимура], [https://disk.yandex.ru/i/7XwT6a7dGAxP5A семинар Кати]
|-
| 5 || 07.02 / 10.02 || Линейная регрессия, отбор признаков, регуляризация || [https://colab.research.google.com/drive/1FEK-eFao-gg-aCRYMg8Rih0n6Domeb9T?usp=sharing Ноутбук]|| [https://youtu.be/WAu9yeGtmJo семинар Тимура], [https://disk.yandex.ru/i/kvB8hoJMxUYNeA семинар Кати]
|-
| 6 || 14.02 / 17.02 || Логистическая регрессия, метрики классификации || [https://colab.research.google.com/drive/1VyJcBiIALAp9Gp9eNFsYhn9xv0okKfrO?usp=sharing Ноутбук] || [https://youtu.be/f2mS6vSJuuM семинар Руслана Хайдурова с прошлого года]
|-
| 7 || 21.02 / 24.02 || Работа с текстами || [https://colab.research.google.com/drive/1dXF0UTq_lOjR1ejsKNU2YjaqLXpgEGGo?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/k7QtECVJApcUEw семинар Кати]
|-
| 8 || 28.02 / 03.03 || Решающие деревья || [https://colab.research.google.com/drive/1HGsnVze-_1ChRFAzMZlSOHRn7k8NH5Cs?usp=sharing Ноутбук] [https://colab.research.google.com/drive/12HqBSHMp4YNnMTuGLeukbkaTD-PEALyD?usp=sharing Ноутбук (solved)]|| [https://youtu.be/iKwjq57vCaw семинар Тимура]
|-
| 9 || 07.03 / 11.03 || Случайный лес || [https://colab.research.google.com/drive/1uPkB3nInA63IHlrxDsZ6vH4HR64e5_jm?usp=sharing Ноутбук] || [https://youtu.be/RMQJscqKDUk семинар Тимура], [https://disk.yandex.ru/i/wyqYFoPn4-W8Hg семинар Кати]
|-
| 10 || 14.03 / 18.03 || Градиентный бустинг || [https://colab.research.google.com/drive/1haSwwhRpniKMqNP4XHszIKwyzmJAawov?usp=sharing Ноутбук][https://colab.research.google.com/drive/1-Wmb-eNRxo6RruhIsheRppbli-aCgsd3?usp=sharing solved] || [https://disk.yandex.ru/i/ekxbCMOAtUfjiA семинар Кати]
|-
| 11 || 21.03 / 25.03 || Введение в pytorch || [https://colab.research.google.com/drive/1C_G-hTbHBRPf5CvcOEYn9YbLCy67WmUk?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/5fdm-2f7B184hQ семинар Кати]
|-
| 12 || 04.04 / 07.04 || Работа с изображениями, сверточные сети, регуляризация, fine-tuning || [https://colab.research.google.com/drive/1qtECDb8dzyOHcbIB86MzVoOJItpy529I?usp=sharing Ноутбук], [https://colab.research.google.com/drive/18YvjWi42w2VN_KxrWMC8IKqsNQsvfN7q?usp=sharing solved] || [https://disk.yandex.ru/d/vI4r2_oCQgr7Ng семинар Кати]
|-
| 13 || 11.04 / 14.04 || RNN || [https://colab.research.google.com/drive/186tbGc4QCFZ6iCcVK26aLbzpuFYfnU-N?usp=sharing Ноутбук] [https://colab.research.google.com/drive/1HJ6OY4Zs9avgCVDJFMINZwDI0P7_40o4?usp=sharing Solved]
|}

=== Лекции ===

{| class="wikitable"
|-
! Дата !! Тема !! Ссылки
|-
| 14.01 || Задачи и методы машинного обучения || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 Видео прошлого года]
|-
| 17.01
| Оценка качества предсказаний предиктивных моделей. Введение в статистическую теорию принятия решений. Метод k ближайших соседей.
| [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Конспект], [https://www.youtube.com/watch?v=N79imD4BVZM видео прошлого года]. Дополнительные конспекты: [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html об условных вероятностях] (англ.), [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/ напоминание про теорию вероятностей]
|-
| 24.01
| Разложение ошибки на шум, смещение и разброс
| Конспекты: [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/#label_subsection_number_1_4_2 состоятельность и несмещенность статистических оценок], [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ шум, смещение и разброс], [https://youtu.be/m5P7-j_K-8U видео лекции]
|-
| 31.01
| Линейная регрессия, метод наименьших квадратов
| [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/#label_chap_5_linear-reg Конспект], [https://youtu.be/jb8rWwJ_h_Q видео лекции]
|-
| 07.02
| Ещё о линейной регрессии: дисперсия МНК-оценки
| [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/#label_chap_6_linear-reg2 Конспект], [https://youtu.be/Ok8CGK0jCMQ видео лекции]
|-
| 14.02
| Ещё о линейной регрессии: регуляризация. Логистическая регрессия
| [https://youtu.be/lC0V7MYgyBE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 21.02
| Ещё о логистической регрессии
| [https://youtu.be/U5P8zDt6esc Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 28.02
| Метод опорных векторов. Решающие деревья
| [https://youtu.be/JH52SogcC28 Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 7.03
| Ансамбли. Случайные леса
| [https://youtu.be/6dMDgtZP1UE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 14.03
| Градиентный бустинг
| [https://youtu.be/2ZxOOVeWt9Y Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|-
| 21.03
| Нейросети
| [https://youtu.be/FX_zo4mox0k Видео лекции], Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения]. Дополнительный материал: [http://neuralnetworksanddeeplearning.com/chap4.html теорема об универсальной аппроксимации] (англ.)
|-
| 5.04
| Свёрточные нейросети
| [https://youtu.be/qeLzwi1b_rk Видо лекции], [http://cs231n.github.io/convolutional-networks/ convolutional networks] (англ.)
|-
| 11.04
| Обработка последовательностей: свёртки и RNN
| [https://youtu.be/3ySXTvZ--LI Видео лекции], [http://colah.github.io/posts/2015-08-Understanding-LSTMs/ пост про RNN и LSTM]
|}

=== Домашние задания ===
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw1_theor.ipynb ДЗ№1] (теоретическое), срок сдачи 25 января, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw2_practice.ipynb ДЗ№2] (практическое), срок сдачи 23 февраля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* ДЗ№3: соревнование (подробности в канале).
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw4_theor.ipynb ДЗ№4] (теоретическая), срок сдачи 23 апреля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].

== Полезные ссылки ==
* [http://wiki.cs.hse.ru/Машинное_обучение_на_матфаке_2021 Страница курса прошлого года]
* [https://mml-book.github.io/book/mml-book.pdf Математика для машинного обучения] (англ.)

Машинное обучение на матфаке 2022

2022-04-12T18:30:10Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

== Новости и объявления ==
* [https://t.me/+GqWLqJMS4WMzNDJi Чат курса]
* [https://t.me/+4PQXGlC4CgsyMmJi Телеграм канал с объявлениями]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание
|-
| 1 || [https://telegram.me/catherineglazkova Екатерина Глазкова] || четверг 10:00 — 11:20, ауд. 318
|-
| 2 || [https://telegram.me/Palladain Тимур Петров] || понедельник 16:20 — 17:40, ауд. 318
|}

== Система оценивания ==
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Материалы ==
=== Семинары ===

{| class="wikitable"
|-
! Номер !! Дата !! Тема !! Материалы семинара !! Видео
|-
| 1 || 10.01 / 13.01 || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2022-public/blob/main/seminars/sem01_intro.ipynb Ноутбук] || [https://www.youtube.com/watch?v=RYvDFiMAdtc&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 семинар Сони Дымченко с прошлого года]
|-
| 2 || 18.01 / 20.01 || KNN || [https://colab.research.google.com/drive/1Ky9HnVLw0O61rAAxb8KQAA1BHwatOSMY?usp=sharing Ноутбук] || [https://zoom.us/rec/share/kBMvd3uSP4lTwxQrxOeV8wKf5iCjD8hVmHan0jOzU1B0k4X1XZWyeq4m8Xu7qxri.92aICOjcKWFUYKk7 семинар Кати]
|-
| 3 || 24.01 / 27.01 || KNN из коробки, кросс-валидация || [https://colab.research.google.com/drive/1-Co-5Qb_sALbyy6b0HEyuOA-wKujUJd5?usp=sharing Ноутбук] || [https://zoom.us/rec/share/Ht_DMpEqTnlhnaJoWAV_nkZGl0TVz0ZC6JDTn9snjY7KhW13nI75A-T9nnwUT9j3.x_0021RoxkZEYu1X семинар Кати]
|-
| 4 || 31.01 / 3.02 || Линейная регрессия, градиентный спуск, коэффициент детерминации || [https://colab.research.google.com/drive/1_6e313Qe4V1CnZ4QexOu7mqk4ksM_4oU?usp=sharing Ноутбук] || [https://youtu.be/iFMwKTRlSzI семинар Тимура], [https://disk.yandex.ru/i/7XwT6a7dGAxP5A семинар Кати]
|-
| 5 || 07.02 / 10.02 || Линейная регрессия, отбор признаков, регуляризация || [https://colab.research.google.com/drive/1FEK-eFao-gg-aCRYMg8Rih0n6Domeb9T?usp=sharing Ноутбук]|| [https://youtu.be/WAu9yeGtmJo семинар Тимура], [https://disk.yandex.ru/i/kvB8hoJMxUYNeA семинар Кати]
|-
| 6 || 14.02 / 17.02 || Логистическая регрессия, метрики классификации || [https://colab.research.google.com/drive/1VyJcBiIALAp9Gp9eNFsYhn9xv0okKfrO?usp=sharing Ноутбук] || [https://youtu.be/f2mS6vSJuuM семинар Руслана Хайдурова с прошлого года]
|-
| 7 || 21.02 / 24.02 || Работа с текстами || [https://colab.research.google.com/drive/1dXF0UTq_lOjR1ejsKNU2YjaqLXpgEGGo?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/k7QtECVJApcUEw семинар Кати]
|-
| 8 || 28.02 / 03.03 || Решающие деревья || [https://colab.research.google.com/drive/1HGsnVze-_1ChRFAzMZlSOHRn7k8NH5Cs?usp=sharing Ноутбук] [https://colab.research.google.com/drive/12HqBSHMp4YNnMTuGLeukbkaTD-PEALyD?usp=sharing Ноутбук (solved)]|| [https://youtu.be/iKwjq57vCaw семинар Тимура]
|-
| 9 || 07.03 / 11.03 || Случайный лес || [https://colab.research.google.com/drive/1uPkB3nInA63IHlrxDsZ6vH4HR64e5_jm?usp=sharing Ноутбук] || [https://youtu.be/RMQJscqKDUk семинар Тимура], [https://disk.yandex.ru/i/wyqYFoPn4-W8Hg семинар Кати]
|-
| 10 || 14.03 / 18.03 || Градиентный бустинг || [https://colab.research.google.com/drive/1haSwwhRpniKMqNP4XHszIKwyzmJAawov?usp=sharing Ноутбук][https://colab.research.google.com/drive/1-Wmb-eNRxo6RruhIsheRppbli-aCgsd3?usp=sharing solved] || [https://disk.yandex.ru/i/ekxbCMOAtUfjiA семинар Кати]
|-
| 11 || 21.03 / 25.03 || Введение в pytorch || [https://colab.research.google.com/drive/1C_G-hTbHBRPf5CvcOEYn9YbLCy67WmUk?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/5fdm-2f7B184hQ семинар Кати]
|-
| 12 || 04.04 / 07.04 || Работа с изображениями, сверточные сети, регуляризация, fine-tuning || [https://colab.research.google.com/drive/1qtECDb8dzyOHcbIB86MzVoOJItpy529I?usp=sharing Ноутбук], [https://colab.research.google.com/drive/18YvjWi42w2VN_KxrWMC8IKqsNQsvfN7q?usp=sharing solved] || [https://disk.yandex.ru/d/vI4r2_oCQgr7Ng семинар Кати]
|-
| 13 || 11.04 / 14.04 || RNN || [https://colab.research.google.com/drive/186tbGc4QCFZ6iCcVK26aLbzpuFYfnU-N?usp=sharing Ноутбук] [https://colab.research.google.com/drive/1HJ6OY4Zs9avgCVDJFMINZwDI0P7_40o4?usp=sharing Solved]
|}

=== Лекции ===

{| class="wikitable"
|-
! Дата !! Тема !! Ссылки
|-
| 14.01 || Задачи и методы машинного обучения || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 Видео прошлого года]
|-
| 17.01
| Оценка качества предсказаний предиктивных моделей. Введение в статистическую теорию принятия решений. Метод k ближайших соседей.
| [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Конспект], [https://www.youtube.com/watch?v=N79imD4BVZM видео прошлого года]. Дополнительные конспекты: [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html об условных вероятностях] (англ.), [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/ напоминание про теорию вероятностей]
|-
| 24.01
| Разложение ошибки на шум, смещение и разброс
| Конспекты: [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/#label_subsection_number_1_4_2 состоятельность и несмещенность статистических оценок], [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ шум, смещение и разброс], [https://youtu.be/m5P7-j_K-8U видео лекции]
|-
| 31.01
| Линейная регрессия, метод наименьших квадратов
| [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/#label_chap_5_linear-reg Конспект], [https://youtu.be/jb8rWwJ_h_Q видео лекции]
|-
| 07.02
| Ещё о линейной регрессии: дисперсия МНК-оценки
| [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/#label_chap_6_linear-reg2 Конспект], [https://youtu.be/Ok8CGK0jCMQ видео лекции]
|-
| 14.02
| Ещё о линейной регрессии: регуляризация. Логистическая регрессия
| [https://youtu.be/lC0V7MYgyBE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 21.02
| Ещё о логистической регрессии
| [https://youtu.be/U5P8zDt6esc Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 28.02
| Метод опорных векторов. Решающие деревья
| [https://youtu.be/JH52SogcC28 Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 7.03
| Ансамбли. Случайные леса
| [https://youtu.be/6dMDgtZP1UE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 14.03
| Градиентный бустинг
| [https://youtu.be/2ZxOOVeWt9Y Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|-
| 21.03
| Нейросети
| [https://youtu.be/FX_zo4mox0k Видео лекции], Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения]. Дополнительный материал: [http://neuralnetworksanddeeplearning.com/chap4.html теорема об универсальной аппроксимации] (англ.)
|-
| 5.04
| Свёрточные нейросети
| [https://youtu.be/qeLzwi1b_rk Видо лекции], [http://cs231n.github.io/convolutional-networks/ convolutional networks] (англ.)
|-
| 11.04
| Обработка последовательностей: свёртки и RNN
| [https://youtu.be/3ySXTvZ--LI Видео лекции], [http://colah.github.io/posts/2015-08-Understanding-LSTMs/ пост про RNN и LSTM]
|}

=== Домашние задания ===
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw1_theor.ipynb ДЗ№1] (теоретическое), срок сдачи 25 января, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw2_practice.ipynb ДЗ№2] (практическое), срок сдачи 23 февраля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].

== Полезные ссылки ==
* [http://wiki.cs.hse.ru/Машинное_обучение_на_матфаке_2021 Страница курса прошлого года]
* [https://mml-book.github.io/book/mml-book.pdf Математика для машинного обучения] (англ.)

Машинное обучение на матфаке 2022

2022-04-05T21:50:57Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

== Новости и объявления ==
* [https://t.me/+GqWLqJMS4WMzNDJi Чат курса]
* [https://t.me/+4PQXGlC4CgsyMmJi Телеграм канал с объявлениями]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание
|-
| 1 || [https://telegram.me/catherineglazkova Екатерина Глазкова] || четверг 10:00 — 11:20, ауд. 318
|-
| 2 || [https://telegram.me/Palladain Тимур Петров] || понедельник 16:20 — 17:40, ауд. 318
|}

== Система оценивания ==
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Материалы ==
=== Семинары ===

{| class="wikitable"
|-
! Номер !! Дата !! Тема !! Материалы семинара !! Видео
|-
| 1 || 10.01 / 13.01 || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2022-public/blob/main/seminars/sem01_intro.ipynb Ноутбук] || [https://www.youtube.com/watch?v=RYvDFiMAdtc&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 семинар Сони Дымченко с прошлого года]
|-
| 2 || 18.01 / 20.01 || KNN || [https://colab.research.google.com/drive/1Ky9HnVLw0O61rAAxb8KQAA1BHwatOSMY?usp=sharing Ноутбук] || [https://zoom.us/rec/share/kBMvd3uSP4lTwxQrxOeV8wKf5iCjD8hVmHan0jOzU1B0k4X1XZWyeq4m8Xu7qxri.92aICOjcKWFUYKk7 семинар Кати]
|-
| 3 || 24.01 / 27.01 || KNN из коробки, кросс-валидация || [https://colab.research.google.com/drive/1-Co-5Qb_sALbyy6b0HEyuOA-wKujUJd5?usp=sharing Ноутбук] || [https://zoom.us/rec/share/Ht_DMpEqTnlhnaJoWAV_nkZGl0TVz0ZC6JDTn9snjY7KhW13nI75A-T9nnwUT9j3.x_0021RoxkZEYu1X семинар Кати]
|-
| 4 || 31.01 / 3.02 || Линейная регрессия, градиентный спуск, коэффициент детерминации || [https://colab.research.google.com/drive/1_6e313Qe4V1CnZ4QexOu7mqk4ksM_4oU?usp=sharing Ноутбук] || [https://youtu.be/iFMwKTRlSzI семинар Тимура], [https://disk.yandex.ru/i/7XwT6a7dGAxP5A семинар Кати]
|-
| 5 || 07.02 / 10.02 || Линейная регрессия, отбор признаков, регуляризация || [https://colab.research.google.com/drive/1FEK-eFao-gg-aCRYMg8Rih0n6Domeb9T?usp=sharing Ноутбук]|| [https://youtu.be/WAu9yeGtmJo семинар Тимура], [https://disk.yandex.ru/i/kvB8hoJMxUYNeA семинар Кати]
|-
| 6 || 14.02 / 17.02 || Логистическая регрессия, метрики классификации || [https://colab.research.google.com/drive/1VyJcBiIALAp9Gp9eNFsYhn9xv0okKfrO?usp=sharing Ноутбук] || [https://youtu.be/f2mS6vSJuuM семинар Руслана Хайдурова с прошлого года]
|-
| 7 || 21.02 / 24.02 || Работа с текстами || [https://colab.research.google.com/drive/1dXF0UTq_lOjR1ejsKNU2YjaqLXpgEGGo?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/k7QtECVJApcUEw семинар Кати]
|-
| 8 || 28.02 / 03.03 || Решающие деревья || [https://colab.research.google.com/drive/1HGsnVze-_1ChRFAzMZlSOHRn7k8NH5Cs?usp=sharing Ноутбук] [https://colab.research.google.com/drive/12HqBSHMp4YNnMTuGLeukbkaTD-PEALyD?usp=sharing Ноутбук (solved)]|| [https://youtu.be/iKwjq57vCaw семинар Тимура]
|-
| 9 || 07.03 / 11.03 || Случайный лес || [https://colab.research.google.com/drive/1uPkB3nInA63IHlrxDsZ6vH4HR64e5_jm?usp=sharing Ноутбук] || [https://youtu.be/RMQJscqKDUk семинар Тимура], [https://disk.yandex.ru/i/wyqYFoPn4-W8Hg семинар Кати]
|-
| 10 || 14.03 / 18.03 || Градиентный бустинг || [https://colab.research.google.com/drive/1haSwwhRpniKMqNP4XHszIKwyzmJAawov?usp=sharing Ноутбук][https://colab.research.google.com/drive/1-Wmb-eNRxo6RruhIsheRppbli-aCgsd3?usp=sharing solved] || [https://disk.yandex.ru/i/ekxbCMOAtUfjiA семинар Кати]
|-
| 11 || 21.03 / 25.03 || Введение в pytorch || [https://colab.research.google.com/drive/1C_G-hTbHBRPf5CvcOEYn9YbLCy67WmUk?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/5fdm-2f7B184hQ семинар Кати]
|-
| 12 || 04.04 / 07.04 || Работа с изображениями, сверточные сети, регуляризация, fine-tuning || [https://colab.research.google.com/drive/1qtECDb8dzyOHcbIB86MzVoOJItpy529I?usp=sharing Ноутбук], [https://colab.research.google.com/drive/18YvjWi42w2VN_KxrWMC8IKqsNQsvfN7q?usp=sharing solved] ||
|}

=== Лекции ===

{| class="wikitable"
|-
! Дата !! Тема !! Ссылки
|-
| 14.01 || Задачи и методы машинного обучения || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 Видео прошлого года]
|-
| 17.01
| Оценка качества предсказаний предиктивных моделей. Введение в статистическую теорию принятия решений. Метод k ближайших соседей.
| [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Конспект], [https://www.youtube.com/watch?v=N79imD4BVZM видео прошлого года]. Дополнительные конспекты: [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html об условных вероятностях] (англ.), [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/ напоминание про теорию вероятностей]
|-
| 24.01
| Разложение ошибки на шум, смещение и разброс
| Конспекты: [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/#label_subsection_number_1_4_2 состоятельность и несмещенность статистических оценок], [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ шум, смещение и разброс], [https://youtu.be/m5P7-j_K-8U видео лекции]
|-
| 31.01
| Линейная регрессия, метод наименьших квадратов
| [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/#label_chap_5_linear-reg Конспект], [https://youtu.be/jb8rWwJ_h_Q видео лекции]
|-
| 07.02
| Ещё о линейной регрессии: дисперсия МНК-оценки
| [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/#label_chap_6_linear-reg2 Конспект], [https://youtu.be/Ok8CGK0jCMQ видео лекции]
|-
| 14.02
| Ещё о линейной регрессии: регуляризация. Логистическая регрессия
| [https://youtu.be/lC0V7MYgyBE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 21.02
| Ещё о логистической регрессии
| [https://youtu.be/U5P8zDt6esc Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 28.02
| Метод опорных векторов. Решающие деревья
| [https://youtu.be/JH52SogcC28 Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 7.03
| Ансамбли. Случайные леса
| [https://youtu.be/6dMDgtZP1UE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 14.03
| Градиентный бустинг
| [https://youtu.be/2ZxOOVeWt9Y Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|-
| 21.03
| Нейросети
| [https://youtu.be/FX_zo4mox0k Видео лекции], Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения]. Дополнительный материал: [http://neuralnetworksanddeeplearning.com/chap4.html теорема об универсальной аппроксимации] (англ.)
|-
| 5.04
| Свёрточные нейросети
| [https://youtu.be/qeLzwi1b_rk Видо лекции], [http://cs231n.github.io/convolutional-networks/ convolutional networks] (англ.)
|}

=== Домашние задания ===
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw1_theor.ipynb ДЗ№1] (теоретическое), срок сдачи 25 января, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw2_practice.ipynb ДЗ№2] (практическое), срок сдачи 23 февраля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].

== Полезные ссылки ==
* [http://wiki.cs.hse.ru/Машинное_обучение_на_матфаке_2021 Страница курса прошлого года]
* [https://mml-book.github.io/book/mml-book.pdf Математика для машинного обучения] (англ.)

Машинное обучение на матфаке 2022

2022-03-22T19:21:38Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

== Новости и объявления ==
* [https://t.me/+GqWLqJMS4WMzNDJi Чат курса]
* [https://t.me/+4PQXGlC4CgsyMmJi Телеграм канал с объявлениями]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание
|-
| 1 || [https://telegram.me/catherineglazkova Екатерина Глазкова] || четверг 10:00 — 11:20, ауд. 318
|-
| 2 || [https://telegram.me/Palladain Тимур Петров] || понедельник 16:20 — 17:40, ауд. 318
|}

== Система оценивания ==
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Материалы ==
=== Семинары ===

{| class="wikitable"
|-
! Номер !! Дата !! Тема !! Материалы семинара !! Видео
|-
| 1 || 10.01 / 13.01 || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2022-public/blob/main/seminars/sem01_intro.ipynb Ноутбук] || [https://www.youtube.com/watch?v=RYvDFiMAdtc&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 семинар Сони Дымченко с прошлого года]
|-
| 2 || 18.01 / 20.01 || KNN || [https://colab.research.google.com/drive/1Ky9HnVLw0O61rAAxb8KQAA1BHwatOSMY?usp=sharing Ноутбук] || [https://zoom.us/rec/share/kBMvd3uSP4lTwxQrxOeV8wKf5iCjD8hVmHan0jOzU1B0k4X1XZWyeq4m8Xu7qxri.92aICOjcKWFUYKk7 семинар Кати]
|-
| 3 || 24.01 / 27.01 || KNN из коробки, кросс-валидация || [https://colab.research.google.com/drive/1-Co-5Qb_sALbyy6b0HEyuOA-wKujUJd5?usp=sharing Ноутбук] || [https://zoom.us/rec/share/Ht_DMpEqTnlhnaJoWAV_nkZGl0TVz0ZC6JDTn9snjY7KhW13nI75A-T9nnwUT9j3.x_0021RoxkZEYu1X семинар Кати]
|-
| 4 || 31.01 / 3.02 || Линейная регрессия, градиентный спуск, коэффициент детерминации || [https://colab.research.google.com/drive/1_6e313Qe4V1CnZ4QexOu7mqk4ksM_4oU?usp=sharing Ноутбук] || [https://youtu.be/iFMwKTRlSzI семинар Тимура], [https://disk.yandex.ru/i/7XwT6a7dGAxP5A семинар Кати]
|-
| 5 || 07.02 / 10.02 || Линейная регрессия, отбор признаков, регуляризация || [https://colab.research.google.com/drive/1FEK-eFao-gg-aCRYMg8Rih0n6Domeb9T?usp=sharing Ноутбук]|| [https://youtu.be/WAu9yeGtmJo семинар Тимура], [https://disk.yandex.ru/i/kvB8hoJMxUYNeA семинар Кати]
|-
| 6 || 14.02 / 17.02 || Логистическая регрессия, метрики классификации || [https://colab.research.google.com/drive/1VyJcBiIALAp9Gp9eNFsYhn9xv0okKfrO?usp=sharing Ноутбук] || [https://youtu.be/f2mS6vSJuuM семинар Руслана Хайдурова с прошлого года]
|-
| 7 || 21.02 / 24.02 || Работа с текстами || [https://colab.research.google.com/drive/1dXF0UTq_lOjR1ejsKNU2YjaqLXpgEGGo?usp=sharing Ноутбук] || [https://disk.yandex.ru/i/k7QtECVJApcUEw семинар Кати]
|-
| 8 || 28.02 / 03.03 || Решающие деревья || [https://colab.research.google.com/drive/1HGsnVze-_1ChRFAzMZlSOHRn7k8NH5Cs?usp=sharing Ноутбук] [https://colab.research.google.com/drive/12HqBSHMp4YNnMTuGLeukbkaTD-PEALyD?usp=sharing Ноутбук (solved)]|| [https://youtu.be/iKwjq57vCaw семинар Тимура]
|-
| 9 || 07.03 / 11.03 || Случайный лес || [https://colab.research.google.com/drive/1uPkB3nInA63IHlrxDsZ6vH4HR64e5_jm?usp=sharing Ноутбук] || [https://youtu.be/RMQJscqKDUk семинар Тимура], [https://disk.yandex.ru/i/wyqYFoPn4-W8Hg семинар Кати]
|-
| 10 || 14.03 / 18.03 || Градиентный бустинг || [https://colab.research.google.com/drive/1haSwwhRpniKMqNP4XHszIKwyzmJAawov?usp=sharing Ноутбук][https://colab.research.google.com/drive/1-Wmb-eNRxo6RruhIsheRppbli-aCgsd3?usp=sharing solved] || [https://disk.yandex.ru/i/ekxbCMOAtUfjiA семинар Кати]
|-
| 11 || 21.03 / 25.03 || Введение в pytorch || [https://colab.research.google.com/drive/1C_G-hTbHBRPf5CvcOEYn9YbLCy67WmUk?usp=sharing Ноутбук]
|}

=== Лекции ===

{| class="wikitable"
|-
! Дата !! Тема !! Ссылки
|-
| 14.01 || Задачи и методы машинного обучения || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 Видео прошлого года]
|-
| 17.01
| Оценка качества предсказаний предиктивных моделей. Введение в статистическую теорию принятия решений. Метод k ближайших соседей.
| [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Конспект], [https://www.youtube.com/watch?v=N79imD4BVZM видео прошлого года]. Дополнительные конспекты: [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html об условных вероятностях] (англ.), [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/ напоминание про теорию вероятностей]
|-
| 24.01
| Разложение ошибки на шум, смещение и разброс
| Конспекты: [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/#label_subsection_number_1_4_2 состоятельность и несмещенность статистических оценок], [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ шум, смещение и разброс], [https://youtu.be/m5P7-j_K-8U видео лекции]
|-
| 31.01
| Линейная регрессия, метод наименьших квадратов
| [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/#label_chap_5_linear-reg Конспект], [https://youtu.be/jb8rWwJ_h_Q видео лекции]
|-
| 07.02
| Ещё о линейной регрессии: дисперсия МНК-оценки
| [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/#label_chap_6_linear-reg2 Конспект], [https://youtu.be/Ok8CGK0jCMQ видео лекции]
|-
| 14.02
| Ещё о линейной регрессии: регуляризация. Логистическая регрессия
| [https://youtu.be/lC0V7MYgyBE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 21.02
| Ещё о логистической регрессии
| [https://youtu.be/U5P8zDt6esc Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 28.02
| Метод опорных векторов. Решающие деревья
| [https://youtu.be/JH52SogcC28 Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 7.03
| Ансамбли. Случайные леса
| [https://youtu.be/6dMDgtZP1UE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 14.03
| Градиентный бустинг
| [https://youtu.be/2ZxOOVeWt9Y Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|-
| 21.03
| Нейросети
| [https://youtu.be/FX_zo4mox0k Видео лекции], Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения]. Дополнительный материал: [http://neuralnetworksanddeeplearning.com/chap4.html теорема об универсальной аппроксимации] (англ.)
|}

=== Домашние задания ===
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw1_theor.ipynb ДЗ№1] (теоретическое), срок сдачи 25 января, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw2_practice.ipynb ДЗ№2] (практическое), срок сдачи 23 февраля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].

== Полезные ссылки ==
* [http://wiki.cs.hse.ru/Машинное_обучение_на_матфаке_2021 Страница курса прошлого года]
* [https://mml-book.github.io/book/mml-book.pdf Математика для машинного обучения] (англ.)

Машинное обучение на матфаке 2022

2022-03-17T19:24:18Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

== Новости и объявления ==
* [https://t.me/+GqWLqJMS4WMzNDJi Чат курса]
* [https://t.me/+4PQXGlC4CgsyMmJi Телеграм канал с объявлениями]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание
|-
| 1 || [https://telegram.me/catherineglazkova Екатерина Глазкова] || четверг 10:00 — 11:20, ауд. 318
|-
| 2 || [https://telegram.me/Palladain Тимур Петров] || понедельник 16:20 — 17:40, ауд. 318
|}

== Система оценивания ==
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Материалы ==
=== Семинары ===

{| class="wikitable"
|-
! Номер !! Дата !! Тема !! Ссылки
|-
| 1 || 10.01 / 13.01 || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2022-public/blob/main/seminars/sem01_intro.ipynb Ноутбук]
|-
| 2 || 18.01 / 20.01 || KNN || [https://colab.research.google.com/drive/1Ky9HnVLw0O61rAAxb8KQAA1BHwatOSMY?usp=sharing Ноутбук]
|-
| 3 || 24.01 / 27.01 || KNN из коробки, кросс-валидация || [https://colab.research.google.com/drive/1-Co-5Qb_sALbyy6b0HEyuOA-wKujUJd5?usp=sharing Ноутбук]
|-
| 4 || 31.01 / 3.02 || Линейная регрессия, градиентный спуск, коэффициент детерминации || [https://colab.research.google.com/drive/1_6e313Qe4V1CnZ4QexOu7mqk4ksM_4oU?usp=sharing Ноутбук], [https://youtu.be/iFMwKTRlSzI Видео]
|-
| 5 || 07.02 / 10.02 || Линейная регрессия, отбор признаков, регуляризация || [https://youtu.be/WAu9yeGtmJo Видео]
|-
| 6 || 14.02 / 17.02 || Логистическая регрессия, метрики классификации || [https://colab.research.google.com/drive/1VyJcBiIALAp9Gp9eNFsYhn9xv0okKfrO?usp=sharing Ноутбук]
|-
| 7 || 21.02 / 24.02 || Работа с текстами || [https://colab.research.google.com/drive/1dXF0UTq_lOjR1ejsKNU2YjaqLXpgEGGo?usp=sharing Ноутбук]
|-
| 8 || 28.02 / 03.03 || Решающие деревья || [https://colab.research.google.com/drive/1HGsnVze-_1ChRFAzMZlSOHRn7k8NH5Cs?usp=sharing Ноутбук] [https://colab.research.google.com/drive/12HqBSHMp4YNnMTuGLeukbkaTD-PEALyD?usp=sharing Ноутбук (solved)]
|-
| 9 || 07.03 / 11.03 || Случайный лес || [https://colab.research.google.com/drive/1uPkB3nInA63IHlrxDsZ6vH4HR64e5_jm?usp=sharing Ноутбук]
|-
| 10 || 14.03 / 18.03 || Градиентный бустинг || [https://colab.research.google.com/drive/1haSwwhRpniKMqNP4XHszIKwyzmJAawov?usp=sharing Ноутбук][https://colab.research.google.com/drive/1-Wmb-eNRxo6RruhIsheRppbli-aCgsd3?usp=sharing solved]
|}

=== Лекции ===

{| class="wikitable"
|-
! Дата !! Тема !! Ссылки
|-
| 14.01 || Задачи и методы машинного обучения || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 Видео прошлого года]
|-
| 17.01
| Оценка качества предсказаний предиктивных моделей. Введение в статистическую теорию принятия решений. Метод k ближайших соседей.
| [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Конспект], [https://www.youtube.com/watch?v=N79imD4BVZM видео прошлого года]. Дополнительные конспекты: [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html об условных вероятностях] (англ.), [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/ напоминание про теорию вероятностей]
|-
| 24.01
| Разложение ошибки на шум, смещение и разброс
| Конспекты: [http://math-info.hse.ru/math-ml/chapter/label/chap:2:prob/#label_subsection_number_1_4_2 состоятельность и несмещенность статистических оценок], [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ шум, смещение и разброс], [https://youtu.be/m5P7-j_K-8U видео лекции]
|-
| 31.01
| Линейная регрессия, метод наименьших квадратов
| [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/#label_chap_5_linear-reg Конспект], [https://youtu.be/jb8rWwJ_h_Q видео лекции]
|-
| 07.02
| Ещё о линейной регрессии: дисперсия МНК-оценки
| [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/#label_chap_6_linear-reg2 Конспект], [https://youtu.be/Ok8CGK0jCMQ видео лекции]
|-
| 14.02
| Ещё о линейной регрессии: регуляризация. Логистическая регрессия
| [https://youtu.be/lC0V7MYgyBE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 21.02
| Ещё о логистической регрессии
| [https://youtu.be/U5P8zDt6esc Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 28.02
| Метод опорных векторов. Решающие деревья
| [https://youtu.be/JH52SogcC28 Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 7.03
| Ансамбли. Случайные леса
| [https://youtu.be/6dMDgtZP1UE Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 14.03
| Градиентный бустинг
| [https://youtu.be/2ZxOOVeWt9Y Видео лекции], конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|}

=== Домашние задания ===
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw1_theor.ipynb ДЗ№1] (теоретическое), срок сдачи 25 января, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].
* [https://github.com/ischurov/math-ml-2022-public/blob/main/homeworks/hw2_practice.ipynb ДЗ№2] (практическое), срок сдачи 23 февраля, 23:59:59, сдавать [https://www.dropbox.com/request/NXUVOYww9dSzAyleoE9v сюда].

== Полезные ссылки ==
* [http://wiki.cs.hse.ru/Машинное_обучение_на_матфаке_2021 Страница курса прошлого года]
* [https://mml-book.github.io/book/mml-book.pdf Математика для машинного обучения] (англ.)

Машинное обучение на матфаке 2022

2022-03-17T19:15:16Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-03-04T19:25:04Z

Ilya Schurov: /* Лекции */

Машинное обучение на матфаке 2022

2022-03-04T18:50:16Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-03-04T18:50:01Z

Ilya Schurov: /* Лекции */

Машинное обучение на матфаке 2022

2022-02-19T17:52:42Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-02-09T13:41:24Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-02-08T23:38:21Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-02-03T13:17:24Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-02-03T12:25:31Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-02-03T12:24:41Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-27T15:53:20Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-27T15:53:08Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-27T15:52:47Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-27T15:47:04Z

Ilya Schurov: /* Лекции */

Машинное обучение на матфаке 2022

2022-01-27T15:46:33Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-24T20:28:09Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-18T19:38:40Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-17T20:44:42Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-17T20:38:09Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-17T20:34:34Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-17T20:34:19Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-17T20:33:56Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-17T20:30:36Z

Ilya Schurov: /* Лекции */

Машинное обучение на матфаке 2022

2022-01-17T20:29:58Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-17T20:27:22Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-16T19:12:55Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-16T19:11:57Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-13T11:22:52Z

Ilya Schurov:

Wiki ФКН

2022-01-12T18:16:06Z

Ilya Schurov: /* Курсы в рамках проекта Data Culture */

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2021/22 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Математический_Анализ_1_на_ПМИ_2021/2022_(пилотный_поток) | Математический анализ 1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2021/2022_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[DM1-2021-22 | Дискретная математика на ПМИ]]

[http://wiki.cs.hse.ru/Основы_и_методология_программирования_на_ПМИ_2021/2022_(основной_поток) Основы и методология программирования на ПМИ 2021/2022 (основной поток)]

[[Алгоритмы и структуры данных пилотный поток 2021/2022 | Алгоритмы и структуры данных пилотный поток 2021/2022]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 | Алгоритмы и структуры данных 1 основной поток 2021/2022]]

'''ПИ'''

[[DM1-SE-2021-22 | Дискретная математика-1 ПИ]]

[http://hsealgebra22.wikidot.com/ Алгебра 2021/2022 ПИ]

'''ПАД'''

[[Discrete Mathematics DSBA 2021/2022 | Discrete Mathematics (DSBA)]]

[[LAaG DSBA 2021/2022 | LAaG (DSBA)]]

[[Calculus DSBA 2021/2022 | Calculus (DSBA)]]

[[Introduction to Programming DSBA 2021/2022 | Introduction to Programming (DSBA)]]

'''КНАД'''

[[Математический_анализ_(КНАД) | Математический анализ (КНАД)]]

[[Линейная алгебра_(КНАД) | Линейная алгебра (КНАД)]]

[[Программирование_на_Python | Программирование на Python (КНАД)]]

[[Дискретная_математика_КНАД | Дискретная математика (КНАД)]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 | Алгоритмы и структуры данных (КНАД)]]

[[Программирование_на_С++_КНАД | Программирование на С++ (КНАД)]]

[[Python_для_сбора_и_анализа_данных_КНАД | Python для сбора и анализа данных (КНАД)]]

||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2021/2022_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2021/2022_(основной_поток)| ТВиМС (основной поток)]]

[[Математический анализ 2021/2022 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

[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%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_-_2.1_(2021/22) Математический анализ - 2.1 (основной поток)]

[[Математический_анализ_-_2.2_(2021/22) | Математический анализ - 2.2 (основной поток)]]

[[MissingSemester2021/2022 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[Язык программирования C++ (углубленный курс) | Язык программирования C++ (углубленный курс)]]

[[Математическая логика | Математическая логика]]

[[Дифференциальные уравнения (ПМИ)]]

[[Алгоритмы и структуры данных 2 2021 | Алгоритмы и структуры данных 2]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (пилотный поток)]]

[[CAOS-2021 | Архитектура компьютеров и операционные системы]]

'''ПИ'''

[[Алгоритмы и структуры данных на ПИ 2021/2022 | Алгоритмы и структуры данных на ПИ]]

[[Теория вероятностей и математическая статистика 2021-2022 | Теория вероятностей и математическая статистика]]

[[НИС Методы и алгоритмы защиты информации | НИС Методы и алгоритмы защиты информации]]

'''ПАД'''

[[Discrete Mathematics 2 DSBA 2021/2022 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2021/22 | Business and Management in Global Context (DSBA)]]

[[Statistics_DSBA_2021/2022 | Probability and Statistics (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

[[ACOS_DSBA_2021/2022 | Computer Architecture and Operating Systems (DSBA)]]

||

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[https://www.notion.so/2021-2022-7374a6eeced2434288226a339bd5037f Курсовая работа]

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1]]

[[Intro_to_DL_21/22 | Introduction to Deep Learning 21/22 ]]

[[Theory of Computation 2021 | Theory of Computation]]

[https://osukhoroslov-hse.notion.site/082aef7073a844afa4c1bf718a773d77 Распределенные системы]

[https://naorlov.notion.site/naorlov/Nets-2021-51931594039e40aeb9102b784d7a8e70 Компьютерные сети]

[http://wiki.cs.hse.ru/%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_2022#.D0.A3.D1.87.D0.B5.D0.B1.D0.BD.D1.8B.D0.B9_.D0.BF.D0.BB.D0.B0.D0.BD Численные методы(2022)]

[http://math-info.hse.ru/s21/8 Прикладные дифференциальные уравнения]

[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%BE%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_22 Математическое моделирование]

[https://osukhoroslov-hse.notion.site/5ca71a3b2b17452599f169468df43408 НИС Распределенные системы]

[http://wiki.cs.hse.ru/NIS-TCS-20-21 НИС Теоретическая информатика]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[time_series_modelling_21_22 | Моделирование временных рядов 21/22]]

[[Анализ данных в бизнесе (Кафедра SAS) 21/22 | Анализ данных в бизнесе (Кафедра SAS) 21/22]]

[[Comb2021_2022 | Комбинаторные конструкции в теоретической информатике]]

'''ПМИ / МОП'''

[http://wiki.cs.hse.ru/Psmo_21_22 Прикладная статистика в машинном обучении 21/22]

[[НИС_Машинное_обучение_и_приложения_3_курс_2021/2022 | НИС Машинное обучение и приложения 3 курс]]

[[Statistical_learning_theory_2021 | Statistical learning theory]]

[[Методы оптимизации в машинном обучении 2022| Методы оптимизации в машинном обучении 2022]]

'''ПИ'''

[[ML4SE_1 | НИС Машинное обучение для программной инженерии]]

[[Технологии прикладного анализа данных SAS | Технологии прикладного анализа данных SAS]]

'''ПАД'''

[http://wiki.cs.hse.ru/Time_Series_and_Stochastic_Processes_ada_21_22 Time series and stochastic processes 2021-22]

[[Data Science Case Studies (JD SAS) 21/22 | Data Science Case Studies (JD SAS) 21/22]]

[[SAS Technologies for Data Mining | SAS Technologies for Data Mining]]

||

[[Символьные_вычисления_21/22 | Символьные вычисления 21/22]]

[[Теория_и_практика_онлайн-экспериментов_21/22 | Теория и практика онлайн-экспериментов 21/22]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC_21/22 Дизайн систем]

[http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D1%82%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D1%85_%D0%B2%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%B8%D0%B9 Основы тензорых вычислений]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Байесовские_методы_машинного_обучения_2021 | Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_4_курс_2021/2022 | НИС Машинное обучение и приложения 4 курс]]

[https://artemova.notion.site/artemova/c88a68750cff4b509699fa127be11801 Глубинное обучение для текстовых данных 2021/2022]

[http://wiki.cs.hse.ru/LSML_2021/2022 Машинное обучение для больших данных 21/22]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/2-0cd36b67b9f64182bfeabcda9ede647a НИС Распределенные системы 2]

[[msbdp_21 | Методы и системы обработки больших данных]]

[https://osukhoroslov-hse.notion.site/cee4a50ac8cf4e328cefbd35cf822fa5 Облачные вычисления]

'''ПМИ / ТИ'''

[[InfTheory2021 | Теория информации]]

[[OWF2021 | Односторонние функции и их применения]]

[[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]]

'''ПАД'''

[[Statistics 4mr 2021-22 | Statistical Methods for Market Research (DSBA)]]

[[Decision Making Strategy]]

||
[[Дополнительные_главы_теории_вероятностей-2_2021/2022|ДГТВ-2]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%91%D0%B8%D0%BE%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%D0%B0_1_%D0%B3%D0%BE%D0%B4_2021/22 Майнор Биоинформатика 1 год 2021/22]

[[Майнор_Биоинформатика_2_год_2021/22|Майнор Биоинформатика 2 год 2021/22]]

[[Введение_в_программирование_21/22_(майнор_ИАД) | Введение в программирование 21/22 (майнор ИАД)]]

[[Основы_глубинного_обучения | Основы глубинного обучения (майнор ИАД)]]

[[Функциональное_программирование_2019 | Функциональное программирование 2021]]

[[KotlinElective|Факультатив "Язык Kotlin" (ноя-дек 2021)]]

[[Dopglavy_DM_2022| Дополнительные главы дискретной математики]]

[[Факультатив_Data_Science_в_игровой_индустрии_(SAS) | Факультатив Data Science в игровой индустрии (SAS)]]

[[Факультатив_Анализ_данных_на_платформе_SAS | Факультатив Анализ данных на платформе SAS]]

[https://rroll.to/2D8yXl Основы и методология пикапа на ПМИ 2021/2022]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==

=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/Программирование_на_Python_деп_медиа_2022 Программирование на языке Python] || Журналистика и Медиакоммуникации || 1 курс || 3 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Психология%22_2021/2022 Программирование на языке Python] ||Психология || 1 курс || 3-4 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Экономика_и_статистика%22_и_ОП_%22География_глобальных_изменений%22_2021/2022 Программирование на языке Python] ||Экономика и статистика; География глобальных изменений || 2 курс || 3 модуль
|-
| [[Культура работы с данными]] ||Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[Машинное обучение на матфаке 2022|Машинное обучение]] || Математика || 3-4 модули
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%93%D0%B5%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_2020/21 Цифровая грамотность] || География глобальных измерений и геоинформационные технологии || 1 курс || 1-2 модули
|-
| [[Цифровая грамотность, Востоковедение 2021/2022| Цифровая грамотность]] || Востоковедение || 1 курс || 1-2 модули
|-
|[[Цифровая Грамотность ИКВиА 2021/2022 | Цифровая грамотность]] || ИКВиА || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция:частное право || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%8F_2021/2022 Цифровая грамотность] ||История || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Филология_2021/2022 Цифровая грамотность] || Филология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2020-21_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Культурология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%94%D0%B5%D0%BF%D0%B0%D1%80%D1%82%D0%B0%D0%BC%D0%B5%D0%BD%D1%82_%D0%9C%D0%B5%D0%B4%D0%B8%D0%B0_2021-2022 Цифровая грамотность] || Медиакоммуникации и Журналистика || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Философия_2021/2022 Цифровая грамотность] || Философия || 1 курс || 1-2 модуль
|-
| [http://wiki.cs.hse.ru/Основы_программирования_на_Python_осень_2021_матфак Основы программирования на Python] || Математика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_R,_%D0%A1%D0%BE%D1%86%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в R] || Социология || 4 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D0%9C%D0%A1%D0%90%D0%A0-2_2020 Методы анализа больших данных в исследованиях поведения покупателя] || Прикладные методы социального анализа рынков (магистратура) || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2021-2022 Машинное обучение] || Экономика || 3,4 курс || 1-2 модули
|-
| [[Программирование_ЭкСтат_ГП | Программирование на языке Python ]] || Городское планирование, Экономика и статистика || 3 курс || 1-2 модули
|-
| [[Основы анализа данных в международных отношениях 2021/2022 | Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85 Python извлечение и обработка данных] || Клеточная и молекулярная биотехнология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_Python_(%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_2020) Основы программирования в Python ] || Политология || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Основы_работы_с_данными:_сбор,_анализ,_визуализация_(ОП_%22Журналистика%22) Основы работы с данными: сбор, анализ, визуализация] || Журналистика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_Data_Science Data Science] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме (магистратура) || 1 курс || 2 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D1%81%D0%BE%D0%B2._%D0%B1%D0%B0%D0%BA._%D0%92%D0%A8%D0%AD-%D0%A0%D0%AD%D0%A8_2021) Машинное обучение] || Совместный бакалавриат НИУ ВШЭ и РЭШ || 3 курс || 1-2 модули
|-
|
|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Economics_and_Finance_2020-2021 Data Analysis in Economics and Finance] || Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Journalism_and_Political_Science_2020-2021 Data Analysis in Journalism and Political Science]|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D1%8B%D0%B5_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020_1%D0%BC%D0%BE%D0%B4%D1%83%D0%BB%D1%8C Прикладные исследования в культурологии] || Прикладная культурология (магистратура) || 1 курс || 1 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8 Программирование и теория алгоритмов] || Фундаментальная и компьютерная лингвистика || 3 курс || 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020 Нейросетевые методы в обработке текстов] || Фундаментальная и компьютерная лингвистика || 4 курс || 1, 2, 3 модули
|-

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
| [[Modern_Data_Analysis_2021_2022 | Modern Data Analysis]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2021_2022 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[Theory of Computation 2021 | Theory of Computation]] || Науки о данных, специализация ТИ || 1 year
|-
| [[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[RecSys_2021_2022 | Рекомендательные системы]] || ФТИАД || 2 year
|-
| [[Stochastic_analysis_2021_2022 | Стохастический анализ 2021-2022]] || Math of Machine Learning || 1 year
|-
| [[Reinforcement_learning_2021_2022 | Математические основы обучения с подкреплением 2021-2022]] || Math of Machine Learning || 2 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [http://wiki.cs.hse.ru/Econ_probability_2021-22 Теория вероятностей и математическая статистика] || фэн, 2 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2021/22|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив =

== Курсы за 2020/21 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Математический_анализ_1_2020/2021_(пилотный_поток) | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2020/2021_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2020/2021_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2020/2021_(основной_поток) | Алгебра (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(пилотный_поток) | Основы и методология программирования на ПМИ 2020/2021 (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(основной_поток)_3_модуль | Основы и методология программирования на ПМИ 2020/2021 (основной поток, III модуль)]]

[[DM1-2020-21 | Дискретная математика-1 ПМИ]]

[[Алгоритмы_и_структуры_данных_1_2020/2021_(4_модуль) | Алгоритмы и структуры данных – 1 (4 модуль) на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 1 на ПМИ (пилотный поток)]]

'''ПИ'''

[[DM1-SE-2020-21 | Дискретная математика-1 ПИ]]

[http://hsealgebra21.wikidot.com/ Алгебра ПИ]

'''ПАД'''

[[Discrete_Mathematics_DSBA2020/2021 | Discrete Mathematics (DSBA) ]]

[[LAaG_DSBA_2020/2021 | Linear Algebra and Geometry (DSBA)]]

[[English_DSBA_2020/2021 | English DSBA (DSBA)]]

[[Introduction_to_programming_DSBA_2020/2021 | Introduction to Programming (DSBA)]]

[[ Calculus_2020/21 | Calculus (DSBA) ]]

[[Algebra_DSBA_2020/2021 | Algebra DSBA]]

[[Introduction_to_Economics_2020/21 | Introduction to Economics ]]

||
'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2020/2021_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2020/2021_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_анализ_2020/2021_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_-_2_(основной_поток) | Математический анализ - 2 на ПМИ (основной поток)]]

[[MissingSemester2020/2021 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[АКОС ПМИ 2020/2021 | Архитектура компьютеров и операционные системы]]

[[Основы матричных вычислений 2020/2021]]

[[Дифференциальные уравнения (ПМИ)]]

[[DM2-pilot2020/2021 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-base2020/2021 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных - 2 на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_2_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

'''ПАД'''

[[Calculus-2_DSBA_2020_(ПАД) | Calculus-2 (DSBA) ]]

[[Discrete_Mathematics_-_2_DSBA2020/2021 | Discrete Mathematics - 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2020/21 | Business and Management in Global Context (DSBA)]]

[[Principles_of_micro_and_macro-economics_2020/21 | Principles of micro and macro-economics (DSBA)]]

[[Algorithms_and_data_structures_2_2020/21 | Algorithms and data structures 2 (DSBA)]]

[[Statistics_DSBA_2020/2021 | Probability and Statistics (DSBA)]]

[[ACOS_DSBA_2020/2021 | Computer Architecture and Operating Systems (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

||

'''ПМИ'''

[[Машинное_обучение_1/2020_2021 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Прикладная статистика в машинном обучении 20/21]]

[[Безопасность компьютерных систем 20/21]]

[[Theory of computing, AMI]]

[[Матричные вычисления 20/21]]

[[НИС_Машинное_обучение_и_приложения_2020/2021|НИС Машинное обучение и приложения]]

[[Методы оптимизации в машинном обучении|Методы оптимизации в машинном обучении]]

[[Моделирование временных рядов 20/21]]

[[Высокопроизводительные вычисления 20/21]]

[[ Сбор и обработка данных с помощью краудсорсинга 20/21 ]]

[[ Распределённые системы ]]

[[ Компьютерные сети 2021 ]]

[[НИС_РС|НИС Распределенные системы]]

[[Анализ данных в бизнесе (Кафедра SAS)]]

[[Дополнительные главы прикладной статистики (2020/21)]]

[[Comb2020_2021 | Комбинаторные конструкции в теоретической информатике]]

[[Численные Методы 2021]]

[[Методы оптимизации 20/21]]

[[Математическое моделирование]]

'''ПАД'''

[[ MachineLearning1_DSBA2020 | Machine Learning 1 (DSBA)]]

[[ Time_Series_and_Stochastic_Processes_ada_20_21 | Time Series and Stochastic Processes (DSBA) ]]

[[ST2187 Business analytics, applied modelling and prediction | Business analytics, applied modelling and prediction (DSBA)]]

[[Data_Base_2020/2021_DSBA | Data Base (DSBA)]]

[[Social_History_of_Science_2020/21 | Social History of Science (DSBA)]]

[[Elements_of_Econometrics_2020/21 | Elements of Econometrics (DSBA)]]

[[Data Science Case Studies / Анализ данных в бизнесе (Кафедра SAS)]]

[[ Optimization_methods | Optimizaton Methods (DSBA) ]]

||

[[Философия_науки_2020 | Философия науки]]

[[Символьные вычисления]]

'''ПМИ / МОП'''

[[НИС_Машинное_обучение_и_приложения_2020/2021 | НИС Машинное обучение и приложения]]

[[Глубинное обучение в обработке звука 20/21]]

[[Байесовские методы машинного обучения 2020 | Байесовские методы машинного обучения]]

[[Машинное обучение на больших данных 2021]]

[[Генеративные модели в машинном обучении 2021 | Генеративные модели в машинном обучении 2021]]

'''ПМИ / РС'''

[[НИС_РС_2 | НИС Распределенные системы]]

[[msbdp_20 | Методы и системы обработки больших данных]]

[[ Облачные вычисления]]

'''ПМИ / ТИ'''

[[Statistical_learning_theory_2020 | Statistical learning theory]]

[[InfTheo2020-2021|Теория информации]]

[[A_Theorist's_Toolkit_2020_2021 | A Theorist's Toolkit, AMI]]

||

[[ Майнор Биоинформатика 1 год ]]

[[ Майнор Биоинформатика 2 год ]]

[[ Введение в программирование (майнор ИАД) ]]

[[Введение в анализ данных (майнор ИАД)]]

[[Современные_методы_машинного_обучения|Современные методы машинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных|Прикладные задачи анализа данных (майнор ИАД)]]

[[ ОУФ Машинное Обучение в Питоне ]]

[[ Факультатив "Теория вычислений и логика" (Осень 2020)]]

[[dopglavy_DM_2021|Допглавы дискретной математики]]

[[Adaptation_DM_20-21 |Adaptation course in DM]]

[[Функциональный анализ (осень 2020)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ Факультатив "Теория вычислений и логика" | Факультатив "Теория вычислений" (Весна 2021)]]

[[Дополнительные_главы_теории_вероятностей_2021 | ДГТВ]]

[[Дополнительные_главы_теории_вероятностей-3_2019/2020 | ДГТВ-3]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс
|-
| [[Stochastic_analysis_2020_2021 | Stochastic Analysis ]] || Statistical Learning Theory || 1 year
|-
| [[Econometrics_fall_2020 | Эконометрика ]] || ФТИАД || 1 year
|-
| [[Recsys_2020_2021 | Рекомендательные системы]] || ФТИАД|| 2 year
|-
| [[Into_to_DataMining_and_Machine_Learning_2020_2021 | Introduction to Data Mining and Machine Learning]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2020_2021 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Цифровая грамотность ИЯиМК 2020-2021|Цифровая грамотность ИЯиМК 2020-2021]] || ИЯиМК || 1 курс || 3-4 модули
|-
| [[Data Analysis in Python 2020-2021|Data Analysis in Python]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 2 курс || 3-4 модули
|-
| [[Машинное обучение на матфаке 2021 |Машинное обучение]] || Математика || 1-4 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/Анализ_данных_на_python,_фэн,_2020_spring Анализ данных на python] || Факультет экономических наук || 1 курс || 3-4 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 3-4 модули
|-
| [[Python для ОП "Психология" |Python для ОП "Психология" ]] ||Психология || 1 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_Python_2020-2021_%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в Python] || Политолгия || 3 курс || 3-4 модули
|-
| [[Цифровая грамотность История искусств 2020-2021]] || История искусств || 1 курс || 3-4 модули
|-
| [[Excel для анализа данных , 20-21|Excel для анализа данных , 20-21]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ СДиА_Матфак_1_курс_2020/2021 | Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[ Python для ГМУ, 20-21 | Python для ГМУ, 2020-2021 ]] || Государственное и муниципальное управление || 1 курс || 4 модуль
|-
| [[ Python для ИЯиМК, 2020-2021 | Python для ИЯиМК, 2020-2021 ]] || ИЯиМК || 2 курс || 4 модуль
|-
| [[ Информационные технологии (факультет химии) | Информационные технологии. Data Culture ]] || Химия || 2 курс || 4 модуль
|-
| [[ Введение_в_анализ_данных_2021_МирЭк | Введение в анализ данных ]] || МирЭк || 1 курс || 4 модуль
|-
| [[ Python для анализа данных (МирЭк) 2020-2021 | Python для анализа данных ]] || МирЭк || 2 курс || 3-4 модуль
|-

|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Основы программирования на Python осень 2020 матфак|Основы программирования на Python-1]] || Математика || 3 курс || 1-2 модули
|-
| [[Анализ_данных_в_Python_2020-2021|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы_анализа_и_визуализация_данных_для_медиа_2020/2021|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии 2020|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Проектный семинар медиаком 2020|Проектный семинар]] || Медиакоммуникации || 3 курс || 1 модуль
|-
| [[Основы анализа и визуализации данных ДИЯ 2020-2021|Основы анализа и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 1-2 модули
|-
| [[Основы программирования в Python (Политология 2020)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Data Analysis in Journalism and Political Science 2020-2021|Data Analysis in Journalism & Political Science]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Data Analysis in Economics and Finance 2020-2021|Data Analysis in Economics & Finance]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Прикладные исследования в культурологии 2020 1модуль|Прикладные исследования в культурологии]] || Прикладная культурология || 1 курс || 1 модуль
|-
| [[Основы анализа данных в международных отношениях 20/21|Основы анализа данных в международных отношениях 20/21]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Анализ данных в R, Социология|Анализ данных в R]] || Социология || 4 курс || 1-2 модуль
|-
| [[Анализ данных на python, фэн, 2020 fall|Анализ данных на Python]] || Факультет экономических наук || 2 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ЭиАМ|Цифровая грамотность, ЭиАМ]] || Эфиопия и арабский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, Античность|Цифровая грамотность, Античность]] || Античность || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ТиТМ|Цифровая грамотность, ТиТМ]] || Турция и Тюркский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность История 2020/2021|Цифровая грамотность, История]] || История || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_2020_(Востоковедение)|Цифровая грамотность, Востоковедение]] || Востоковедение || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_География_2020/21|Цифровая грамотность, География]] || География || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_(филология)_2020|Цифровая грамотность, Филология]] || Филология|| 1 курс || 1-2 модуль
|-
| [[Машинное_обучение_(сов._бак._ВШЭ-РЭШ_2020)|Машинное обучение]] || Совместная программа по экономике НИУ ВШЭ и РЭШ || 3 курс || 1-2 модуль
|-
| [[Машинное_обучение_(ФЭН)_-_2020|Машинное обучение]] || Экономика || 3-4 курс || 1-2 модуль
|-
| [[Python: работа с данными и текстом|Python: работа с данными и текстом]] || Медиакоммуникации || 2-3 курс || 1-2 модуль
|-
| [[Phyton_для_извлечения_и_обработки_данных|Phyton для извлечения и обработки данных]] || Молекулярная и клеточная биотехнология || 1 курс || 1-2 модуль
|-
| [[ПМСАР-2_2020| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Основы_программирования_на_Python2020/2021|Основы программирования на Python]] || Экономика и статистика || 2-3 курс || 1-2 модули
|-
| [[Извлечение и анализ интернет-данных (2020)|Извлечение и анализ интернет-данных]] || Экономика и статистика || 2-4 курс || 2 модуль

|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2020-2021|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[Эконометрика, фэн, 2020-2021|Эконометрика]] || фэн, 3 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2020-2021|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

=Архив=

== Курсы за 2019/20 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_1_2019/2020 | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток,_2_семестр) | Математический анализ на ПМИ (основной поток, 2 семестр)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Дискретная_математика_1_2019/2020 | Дискретная математика-1 на ПМИ]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2019/2020_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2019/2020_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_2019/2020 | Основы и методология программирования на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_1_2019/2020_(пилотный_поток) | Основы и методология программирования-1 на ПМИ (пилотный поток)]]

[[Discrete_Mathematics_DSBA2019/2020 | Discrete Mathematics DSBA (ПАД)]]

[[Calculus_DSBA2019/2020 | Calculus DSBA (ПАД) 1st module]]

[[Calculus_DSBA2020 | Calculus DSBA (ПАД) 2nd module]]

[[LAaG_DSBA_2019/2020 | Linear Algebra and Geometry (ПАД)]]

[[Introduction_to_programming_DSBA_2019/2020 | Introduction to Programming (ПАД)]]

[[English_DSBA_2019/2020 | English DSBA (ПАД)]]

[[Algorithms_and_Data_Structures_DSBA_2020 | Algorithms and Data Structures DSBA ]]

[[Algebra_DSBA_2019/2020 | Algebra DSBA]]

[[Алгоритмы_и_структуры_данных_1_основной_поток_2019/202 | Алгоритмы и структуры данных-1 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[[DM2-basic2019/2020 | Дискретная математика-2 на ПМИ (основной поток)]]

[[DM2-pilot2019/2020 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Теория_вероятностей_2019/2020_(основной_поток)| Теория_вероятностей_2019/2020 на ПМИ (основной поток)]]

[[Теория_вероятностей_и_математическая_статистика_2019/2020_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Математический_анализ_2019/2020_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2_2019/2020_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2019/2020 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Calculus_2_2019 | Calculus-2 DBSA (ПАД)]]

[[Statistics_DSBA_2019/2020 | Statistics DSBA (ПАД)]]

[[DM2 | Дискретная Математика-2 (ПАД)]]

[[ADS2 | Алгоритмы и Структуры Данных-2 (ПАД)]]

[[Introduction_to_Economics | Introduction to Economics DSBA ]]

[[Business_and_Management_in_Global_Context_2019-2020| Business and Management in Global Context DSBA ]]

[[ACOS_DSBA_2019/2020 | Computer Architecture and Operating Systems (ПАД)]]

[[Differential_Equations_2020 | Differential Equations DSBA ]]

[[Факультатив Теория вычислений_2020 | Факультатив Теория вычислений]]

[[Дифференциальные_уравнения_2020 | Дифференциальные уравнения 2020 ]]

||

[[Машинное_обучение_1/2019_2020 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2019_2020 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2020 | Численные методы]]

[[Прикладная_статистика_в_машинном_обучении(2019)|Прикладная статистика в машинном обучении]]

[[Theory_of_Computing_2019_2020 | Theory of Computing, AMI]]

[[Компьютерные_Сети | Компьютерные сети]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Непрерывная_оптимизация_(МОП)/2020| Непрерывная оптимизация (МОП)]]

[[%D0%9D%D0%B5%D0%BF%D1%80%D0%B5%D1%80%D1%8B%D0%B2%D0%BD%D0%B0%D1%8F_%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_(%D0%A2%D0%98,_%D0%90%D0%94%D0%98%D0%A1,_%D0%90%D0%9F%D0%A0,_%D0%A0%D0%A1)| Непрерывная оптимизация (ТИ, АДИС, АПР, РС) ]]

[[Data_analysis_(Software_Engineering)_2020|Data Analysis]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[CCTI_2020|Сложность вычислений и логика в теоретической информатике]]

||

[[InfTheo2019-2020|Теория информации]]

[[Байесовские_методы_машинного_обучения_2019|Байесовские методы машинного обучения]]

[[НИС Науки о данных]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Философия_науки_2019|Философия науки]]

[[Глубинное обучение|Глубинное обучение]]

[[NLP 2019|NLP Анализ данных]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Генеративные_модели_в_машинном_обучении_2020|Генеративные модели в машинном обучении]]

[[Компьютерные Сети 4 курс| Компьютерные сети]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[Машинное_обучение_на_больших_данных_2020|Машинное обучение на больших данных]]

[[Основы_обработки_больших_данных_2020|Основы обработки больших данных]]

||
[[MinorBioinformatics|Биоинформатика]]

[[Майнор Интеллектуальный анализ данных/Современные_методы_машинного_обучения | Современные методы машинного обучения (ИАД)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ISDElective|Факультатив "Методы разработки программного обеспечения" (1-2 модули)]]

[[Введение в программирование (курс майнора)]]

[[dopglavy_DM_1920|Допглавы дискретной математики]]

[[Дополнительные_главы_теории_вероятностей-2_2019/2020|ДГТВ-2]]

[[Дополнительные_главы_теории_вероятностей_2020|ДГТВ]]

[[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020|Введение в анализ данных (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных_(майнор_ИАД)|Прикладные задачи анализа данных (майнор ИАД)]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс

|-
| [[Theory_of_Computing_2019_2020 | Theory of Computing]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Project_Seminar_2019_2020 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Stochastic_analysis_2019_2020 | Stochastic Calculus ]] || Statistical Learning Theory || 1 year
|-
| [[A_Theorist's_Toolkit_2019_2020 | A Theorist's Toolkit, AMI]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Neurobayesian_models_2020 | Neurobayesian models ]] || Statistical Learning Theory || 2 year
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|- http://wiki.cs.hse.ru/Цифровая_грамотность_(филология)_2020#.F0.9F.93.AC_.D0.A7.D0.B0.D1.82.D1.8B_.D0.B3.D1.80.D1.83.D0.BF.D0.BF
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Введение в анализ данных 2020 МирЭк| Введение в анализ данных]] || Мировая экономика || 1 курс || 3-4 модуль
|-
|[[ Основы программирования в Python (Мирэк) | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ИЯиМК| Цифровая грамотность ]] || Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[ Цифровая_грамотность_(филология)_2020| Цифровая грамотность ]] || Филология || 1 курс || 3-4 модуль
|-
| [[Цифровая_грамотность_(ФиКЛ)_2020| Цифровая грамотность ]] || Фундаментальная и компьютерная лингвистика || 1 курс || 4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (История искусств)| Цифровая грамотность ]] || История искусств || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (Культурология)| Цифровая грамотность ]] || Культурология || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛ_ЮВА| Цифровая грамотность ]] || Языки и литература Юго-Восточной Азии || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛЯ| Цифровая грамотность ]] || Языки и литература Японии || 1 курс || 3-4 модуль
|-
| [[ ППО Социология 1 курс 2019/2020| ППО (Python для извлечения и обработки данных) ]] || Социология || 1 курс || 3 модуль
|-
|[[ Машинное обучение на матфаке 2020 | Машинное обучение]] || Математика || 2-4 курс || 3-4 модуль
|-
|[[ Excel для анализа данных | Excel для анализа данных]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 2 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 2 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 1 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 1 курс || 4 модуль
|-
| [[ СДиА Матфак 1 курс 2019/2020| Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Наука о данных (Экономика)|Наука о данных]] || Экономика || 2 курс || 3-4 модули
|-
| [[Основы программирования на Python весна 2021 матфак|Основы программирования на Python, 2 часть]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Культура работы с данными, КМБТ|Культура работы с данными, КМБТ]] || Клеточная и молекулярная биотехнология || 1 курс || 3-4 модули
|-
| [[Natural_Language_Processing_Blended_2020_module4 | Natural Language Processing (blended)]] || Прикладная политология || 1 г.о. || 4 модуль
|-
| [[ПМСАР-1 2019/2020|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Введение в Data Science]] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме || 1 г.о. || 3 модуль
|-
| [[Принципы построения математических моделей]] || МИЭМ || 1 г.о. || 4 модуль
|-
| [[Python для извлечения и обработки данных Психология 1 курс 2019/2020]] || Психология || 1 г.о. || 4 модуль
|-
| [[Технологии анализа больших данных ГМУ 1 курс 2019/2020]] || ГМУ || 1 г.о. || 4 модуль
|-
| [[Городское планирование | Цифровая грамотность]] || Городское планирование || 1 г.о. || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[ Основы анализа и визуализация данных для медиа 2019/2020 | Основы анализа и визуализации данных для медиа ]] || Журналистика || 4 курс || 1 модуль
|-
| [[ Анализ данных в Python 2019-2020 | Анализ данных в Python ]] || Политология || 4 курс || 1-2 модули
|-
| [[Introduction to Data Culture 2019-2020 | Introduction to Data Culture ]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[ Основы анализа данных в международных отношениях | Основы анализа данных в международных отношениях ]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Основы программирования в Python (Политология)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Основы программирования на Python осень 2019 матфак|Основы программирования на Python-1]] || Математика || 1-4 курс || 1-2 модули
|-
| [[ Цифровая грамотность (История 2019) | Цифровая грамотность ]] || История || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (Востоковедение 2019) | Цифровая грамотность ]] || Востоковедение|| 1 курс || 1-2 модули
|-
| [[ Цифровая_грамотность_2019-2020(философия) | Цифровая грамотность ]] || Философия || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (ассириология и античность 2019) | Цифровая грамотность ]] || Ассириология и античность|| 1 курс || 1-2 модули
|-
| [[ПМСАР-2_2019| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Работа с данными]] || Медиакоммуникации || 4 курс || 1 модуль
|-
| [[Машинное обучение (фэн 2019)]] || ФЭН || 3 курс || 1-2 модули
|-
| [[Natural_Language_Processing_Blended_2019_module1 | Natural Language Processing (blended)]] || Прикладная политология || 2 г.о. || 1 модуль
|-
| [[ ML_HSE_NES_2019 | Машинное обучение (ВШЭ-РЭШ)]] || Совместный бакалавриат ВШЭ-РЭШ || 3-4 курс || 1-2 модули
|-
| [[ Основы_анализа_и_визуализации_данных_ДИЯ_2019/2020 | Основы анализа и визуализации данных ]] || ДИЯ || 2 курс || 1,2 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_на_Python2019/2020|Основы программирования на Python]] || Экономика и статистика || 2-4 курс || 2 модуль
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2019-2020|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 3-4 модуль
|-
| [[Микроэконометрика качественных данных, фэн, 2020|Микроэконометрика качественных данных 2020]] || фэн, 4 курс || 1-2 модуль
|}

== Курсы за 2018/19 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2018/2019_(пилотный_поток) | Математический анализ на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2018/2019_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Calculus_DSBA_2018/2019 | Calculus I DSBA (ПАД)]]

[[Основы_и_методология_программирования_на_ПМИ_2018/2019_(пилотный_поток) | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2019_(С%2B%2B,_основной_поток) | Основы и методология программирования на ПМИ (С++, основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[LAaG_DSBA_2018/2019 | LAaG DSBA]]

[[Дискретная_математика_1_2018/2019 | Дискретная математика-1 на ПМИ]]

[[Discrete_Mathematics_DSBA2018/2019 |Discrete Mathematics DSBA (ПАД)]]

[[Introduction_to_programming | Introduction to programming DSBA (ПАД)]]

[[Introduction_to_programming_2 | Introduction to programming 2 DSBA (ПАД)]]

[[Алгебра_на_ПМИ_2018/2019_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2018/2019_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Algebra_DSBA_2018/2019 | Algebra DSBA]]

[http://hsealgebra19.wikidot.com Алгебра на ПИ]

[[Алгоритмы_и_структуры_данных_2018/2019 | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[http://math-info.hse.ru/2018-19/Дифференциальные_уравнения_(ФКН) Дифференциальные уравнения]

[[Теория_вероятностей_2018/2019_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2018/2019_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[DM2-pilot2018/2019 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-basic2018/2019 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2018/2019 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Факультатив Теория вычислений]]

||

[[Машинное_обучение_1/2018_2019 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2018 | Численные методы ]]

[[PDC | Параллельные и распределенные вычисления]]

[[Theory_of_Computing_2018_2019 | Theory of Computing, AMI]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[Прикладная_статистика_в_машинном_обучении(2018)|Прикладная статистика в машинном обучении]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Основные методы анализа данных]]

[[Теория баз данных]]

[[Непрерывная оптимизация/2019|Непрерывная оптимизация (161-162)]]

[[Непрерывная оптимизация (163-167)]]

[[Сложность вычислений и логика в теоретической информатике]]

[[Data analysis (Software Engineering) 2019|Data analysis]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

[[Intro to DL Blended | Intro to DL Blended]]

[[Дискретная оптимизация 2019 | Дискретная оптимизация 2019]]

||

[[Statistical_learning_theory_2018_2019 | Introduction to statistical learning theory]]

[[Анализ_неструктурированных_данных-2018 |Анализ неструктурированных данных ]]

[[Байесовские_методы_машинного_обучения_2018|Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[НИС_Науки_о_данных_2018/2019|НИС Науки о данных]]

[[НИС_Распределенные_системы_(4_курс,_2018)|НИС Распределенные системы]]

[[Теория_Информации_2018/2019|Теория информации]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Методы_и_системы_обработки_больших_данных_(осень_2018)|Методы и системы обработки больших данных]]

[[Философия_науки_2018|Философия науки]]

[[Теория баз данных]]

[[ConvAppr19 | Выпуклое программирование и аппроксимационные алгоритмы (ТИ)]]

[[Функциональное программирование 2019 | Функциональное программирование]]

[[A_Theorist's_Toolkit_2018_2019 | A Theorist's Toolkit, AMI]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

||
[[Дополнительные главы теории вероятностей 2019 | Дополнительные главы теории вероятностей 2019]]

[[Дополнительные главы математической статистики 2019 | Дополнительные главы математической статистики 2019]]

[[Введение в программирование (курс майнора) 2018/2019]]

[[dopglavy_DM_1819|Допглавы дискретной математики]]

[[Современные_методы_машинного_обучения_(курс_майнора)_2018/2019 | Современные методы машинного обучения (курс майнора) 2018/2019]]

[[Прикладные_задачи_анализа_данных_(майнор_-_весна_2019) | Прикладные задачи анализа данных (майнор - весна 2019)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных | Введение в анализ данных (курс майнора)]]

[[Функциональный анализ (весна_2019) | Функциональный анализ (весна_2019)]]

[[KotlinElective| Язык Kotlin (3 и 4 модули 2018-2019)]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы программирования на Python весна 2020 матфак|Основы программирования на Python-2]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(филология)|Цифровая грамотность]] || Филология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИИ_и_культурология)|Цифровая грамотность]] || История искусств и Культурология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИЯМК_2019)|Цифровая грамотность]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 1 курс || 3-4 модули
|-
| [[Основы_анализа_и_визуализации_данных_ДИЯ_2019|Анализ и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 3-4 модули
|-
| [[Научно-исследовательский_семинар_2019| Научно-исследовательский семинар]] || Политология || 1 курс || 3 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_в_Python_2019|Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модули
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[ПМСАР-1|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Искусственный интеллект и большие данные_(2019)|Искусственный интеллект и большие данные]] || Дизайн, Мода, Современное искусство || 1 курс || 3-4 модули
|-
| [[Информационный менеджмент: Введение в Data Science|Информационный менеджмент: Введение в Data Science]] || Управление бизнесом Маркетинг и рыночная аналитика || 1 курс || 4 модуль
|-
| [[Технологии анализа больших данных|Технологии анализа больших данных]] || ГМУ || 1 курс || 4 модуль
|-
| [[Основы программирования на Python (Прикладное программное обеспечение)|Основы программирования на Python (Прикладное программное обеспечение)]] || Социология || 1 курс || 4 модуль
|-
| [[Основы работы с данными|Основы работы с данными]] || Медиакоммуникации || 2 курс || 4 модуль
|-
| [[Введение_в_data_science_Социология_1_курс|Профориентационный семинар (Data Culture)]] || Социология || 1 курс || 4 модуль
|-
| [[Введение_в_анализ_данных_МирЭк_2019|Введение в анализ данных]] || Мировая экономика || 1 курс || 4 модуль

|}

=== 1 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы анализа данных в международных отношениях 2018/2019|Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [[Introduction_to_Data_Culture_2018-2019|Introduction to Data Culture]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Цифровая грамотность(востоковедение)|Цифровая грамотность]] || Востоковедение || 1 курс || 1 модуль
|-
| [[Разработка управленческих решений в маркетинге | Разработка управленческих решений в маркетинге]] || Маркетинг и рыночная аналитика || 2 курс || 1-2 модули
|-
| [[Информационные технологии в деятельности юриста_2018-2019| Информационные технологии в деятельности юриста]] || Юриспруденция || 1 курс || 2 модуль
|-
| [[Машинное обучение на матфаке 2018/2019| Машинное обучение]] || Факультет математики || 2-4 курсы || 1-2 модули
|-
| [[ПМСАР-2| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Анализ данных в Python (Политологи 1 семестр 1-2 модули)|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы анализа и визуализации данных для медиа (Журналисты 1 семестр 1 модуль)|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Введение в анализ текстов на Python для ФГН 2018|Введение в анализ текстов на Python для ФГН 2018]] || Фундаментальная и компьютерная лингвистика || 3 курс || 1, 2, 4 модули
|-
| [[Машинное обучение (ФЭН)]] || Факультет экономических наук || 3-4 курсы || 1-2 модули
|-
| [[Программирование_(python)_для_экономистов|Программирование (Python) для экономистов]] || Факультет экономических наук || 2 курс || 1-2 модули
|-
| [[Цифровая грамотность(философия)|Цифровая грамотность]] || Философия || 1 курс || 1-2 модули
|-
| [[Цифровая_грамотность_(историки)|Цифровая грамотность]] || История || 1 курс || 1-2 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 1-2 модули
|-
| [[Статистический анализ в среде R (Социологи 1 семестр 2 модуль)|Статистический анализ в среде R ]] || Социология || 4 курс || 2 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|}

==Courses of the Statistical Learning Theory program==
[[Neurobayesian_models_2019|Neurobayesian models]]

== Курсы за 2017/18 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2017/2018_(пилотный_поток) | Математический анализ на ПМИ 2017/2018 (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2017/2018_(основной_поток) | Математический анализ на ПМИ 2017/2018 (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(пилотный_поток,_1_модуль) | Основы и методология программирования на ПМИ 2017/2018 (пилотный поток, 1 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_2_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 2 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_3_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 3 модуль)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_2017/2018_(основной_поток) | Алгоритмы и структуры данных на ПМИ 2017/2018 (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Дискретная_математика_1_2017/2018 | Дискретная математика-1 на ПМИ]]

[[Алгоритмы и структуры данных 1 | Алгоритмы и структуры данных – 1 (пилотный поток)]]

[[Алгебра_на_ПМИ_2017/2018 | Алгебра на ПМИ]]

[http://hsealgebra18.wikidot.com Алгебра на ПИ]

||
[[Теория_вероятностей_2017/2018_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2017/2018_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический анализ-3 на ПМИ_2017/2018_(основной_поток) | Математический анализ-2 на ПМИ (основной поток)]]

[[Математический анализ на ПМИ_2017/2018 | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM2-pilot2017/2018 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM_2_2017_2018 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы и структуры данных_2_2017/2018 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Дифференциальные уравнения (2 курс, 2017/2018)| Дифференциальные уравнения]]

||
[[Машинное_обучение_1/2017_2018 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2017_2018 | Машинное обучение 2 на ПМИ]]

[[Численные_методы_2017 | Численные методы]]

[[Statistics of Stochastic Processes|Статистика случайных процессов 2018]]

[[Прикладная_статистика_в_машинном_обучении | Прикладная статистика в машинном обучении]]

[[Theory_of_Computing | Theory of Computing, AMI]]

[[Statistical_learning_theory | Introduction to statistical learning theory]]

[[Основные_методы_анализа_данных_(специализация_АДИС) | Основные методы анализа данных на ПМИ]]

[[Анализ неструктурированных данных]]

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[НИС_Распределенные_системы_(3_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Непрерывная_оптимизация | Непрерывная оптимизация]]

[[ Сложность_и_логика| Сложность вычислений и логика в теоретической информатике]]

[[Data_analysis_(Software_Engineering)_2018 | Data Analysis на ПИ]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

[http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных Машинное обучение на больших данных]

[[Дискретная_оптимизация | Дискретная оптимизация]]

||

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[Философия_науки_2017 | Философия науки]]

[[НИС_Распределенные_системы_(4_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Анализ неструктурированных данных]]

[[Байесовские методы машинного обучения 2017 | Байесовские методы машинного обучения]]

[[Функциональное программирование 2018 | Функциональное программирование]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

||

[[Современные методы машинного обучения (курс майнора) 2017/2018]]

[[Введение в программирование (курс майнора) 2017/2018]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2017-2018 | Введение в анализ данных (курс майнора)]]

[[Прикладные задачи анализа данных (майнор - весна 2018)]]

[[Маго-лего "Линейная алгебра в приложениях" весна 2018 | Линейная алгебра в приложениях (маго-лего)]]

[[Функциональный анализ 2017/18 | Функциональный анализ на ПМИ (факультатив)]]

[[Дополнительные главы теории вероятностей и математической статистики (факультативы) | Дополнительные главы теории вероятностей и математической статистики (факультативы)]]

[[Дополнительные главы дискретной математики 2017/18 | Дополнительные главы дискретной математики (факультатив)]]

[[Цифровые технологии в гуманитарных науках]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==

=== 2 семестр ===

[[Цифровая_грамотность_2018_(2_семестр)|Цифровая грамотность (факультет гуманитарных наук — 2 семестр: ИЯМК, Филология, История искусств, Культурология, 1 курс)]] 
[[Научно-исследовательский семинар (ФСН) |Научно-исследовательский семинар (ОП "Политология", 1 курс)]] 
[[Introduction_to_Data_Culture|Introduction to Data Culture (HSE and University of London Parallel Degree Programme in International Relations, 1 year)]] 
[[ИИ_и_БД|Искусственный интеллект и большие данные (ОП "Дизайн", "Мода", 1 курс)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 2 семестр)]] 
[[Основы анализа данных в международных отношениях|Основы анализа данных в международных отношениях (ОП "Международные отношения", 2 курс, 4 модуль)]] 
[[Введение в data science (2_семестр)|Профориентационный семинар (блок по введению в data scicence) (Факультет социальных наук — 2 семестр: Социология, 1 курс)]] 
[[Введение в Data Science| Введение в Data Science (ФБиМ, 4 модуль)]] 

=== 1 семестр ===

[[Цифровая_грамотность|Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)]] 
[[Машинное обучение (факультет экономических наук)|Машинное обучение (факультет экономических наук)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 1 семестр)]] 
[[Извлечение и анализ интернет-данных | Извлечение и анализ интернет-данных (факультет экономических наук)]] 
[[Анализ больших данных в социальных науках (ФСН, 2017) | Анализ больших данных в социальных науках (ФСН, 2017)]] 
[[Информационные_технологии_в_деятельности_юриста|Информационные технологии в деятельности юриста (Факультет права)]] 
[[Машинное_обучение_для_лингвистов|Машинное обучение (магистратура Школы лингвистики)]] 

== Курсы магистратуры Финансовые технологии и анализ данных ==

[[Вероятностные_модели_и_прикладная_статистика_в_финансовой_математике|Вероятностные модели и прикладная статистика в финансовой математике]]

[[Рекомендательные системы и поиск закономерностей в данных|Рекомендательные системы и поиск закономерностей в данных]]

== Courses of Data Science master program/Курсы магистерской программы "Науки о данных" ==

[[Introduction to Machine Learning and Data Mining |Introduction to Machine Learning and Data Mining 2019]]

[[Introduction to Machine Learning and Data Mining 2020 |Introduction to Machine Learning and Data Mining 2020]]

== Курсы за 2016/17 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3-4 курс !! майноры
|-
|

[[Математический анализ на ПМИ_2016/2017 | Математический анализ на ПМИ (пилотный поток)]]

[[Линейная алгебра и геометрия_2016/2017 | Линейная алгебра и геометрия на ПМИ]]

[[Дискретная_математика_1_2016/2017 | Дискретная математика-1 на ПМИ]]

[[Основы и методология программирования_2016/2017_пилотный_поток | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы и методология программирования_2016/2017 | Основы и методология программирования на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(пилотный_поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(основной_поток) | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2016/2017 | Алгебра на ПМИ]]

[http://hsealgebra17.wikidot.com/ Алгебра на ПИ]

||

[[Математический анализ_2016/2017 | Математический анализ-3 на ПМИ (основной поток)]]

[[Математически_анализ_3_на_ПМИ_(пилотный_поток) | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM_2_2016_2017 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Дискретная математика_2_2016/2017 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Алгоритмы и структуры данных_2_2016/2017 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Теория вероятностей_2016/2017 | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2016/2017_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы]]

[[Факультатив_теория_вычислений_2016/2017 | Факультатив теория вычислений на ПМИ]]

[[Дополнительные_главы_теории_вероятностей_(факультатив,_2017) | Дополнительные главы теории вероятностей (факультатив)]]

[[Дифференциальные_уравнения_(2_курс,_2016/2017) | Дифференциальные уравнения]]

[[Математическая_статистика_2016/2017_(пилотный_поток) | Математическая статистика на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы ]]

||

[[НИС_Машинное_обучение_и_приложения_2016/2017 | НИС Машинное обучение и приложения на ПМИ]]

[[Машинное_обучение_1/2016_2017 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2016_2017 | Машинное обучение 2 на ПМИ]]

[[Прикладной_статистический_анализ_данных | Прикладной статистический анализ данных на ПМИ]]

[[Численные_методы_в_анализе_данных | Численные методы в анализе данных на ПМИ]]

[http://www.machinelearning.ru/wiki/index.php?title=Статистика_случайных_процессов_(курс_лекций,_ФКН_ВШЭ) Вероятностные модели и статистика случайных процессов на ПМИ]

[http://www.machinelearning.ru/wiki/index.php?title=Opt Методы оптимизации на ПМИ (специализации МОП и РС)]

[[Методы_оптимизации_(весна_2017)|Методы оптимизации 2 (дискретная оптимизация)]]

[[НИС_Распределенные_системы_(осень_2016) | НИС Распределенные системы]]

[[Анализ и верификация алгоритмов биржевой торговли | Анализ и верификация алгоритмов для систем биржевой торговли ]]

[[Программирование_на_графических_процессорах | Программирование на графических процессорах]]

[[ЯРПО | Языки разработки ПО (курс по выбору) на ПМИ]]

[[Data analysis (Software Engineering) 2017 | Data analysis на ПИ]]

[[Базы данных 2 | Базы данных 2 ]]

[[Компьютерные сети 2 | Компьютерные сети 2]]

[[Машинное_обучение_на_больших_данных | Машинное обучение на больших данных на ПМИ]]

||

[[Современные_методы_машинного_обучения_(курс_майнора) | Современные методы машинного обучения (курс майнора)]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_программирование_2016/2017 | Введение в программирование (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2016-2017 | Введение в анализ данных (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных| Прикладные задачи анализа данных (курс майнора)]]

|}

{|width=100%
|style="vertical-align:top;"|



=== Курсы за 2015/16 учебный год ===
{|
|-
| [[Технологии программирования|Технологии программирования на ПМИ]]
|-
|[[ОиМП-2015|Основы и методология программирования на ПМИ]]
|-
|[[Алгоритмы и структуры данных 2016]]
|-
|[[Линейная алгебра и геометрия_2015/2016 | Линейная алгебра и геометрия на ПМИ]]
|-
|[[Алгебра_2015/2016 | Алгебра на ПМИ]]
|-
|[http://hsealgebra.wikidot.com/ Алгебра на ПИ]
|-
|[[Компьютерные системы]]
|-
|[[Математический анализ на ПМИ_2015/2016 | Математический анализ на ПМИ]]
|-
|[[Факультатив_Матпрактикум | Матпрактикум (факультатив) на ПМИ]]
|-
|[[Data analysis (Software Engineering)]] 
|-
|[[Майнор Интеллектуальный анализ данных/Введение в программирование|Введение в программирование (курс майнора) на ПМИ]]
|-
|[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2015-2016|Введение в анализ данных (курс майнора) на ПМИ]]
|-
|[[НИС Машинное обучение и приложения|НИС Машинное обучение и приложения на ПМИ]]
|-
|[[Архитектура компьютеров и системное программирование (ПМИ_4, 2015/2016)|Архитектура компьютеров и системное программирование (4 курс)]]
|-
|[[Дифференциальные уравнения (2 курс, 2015/2016)| Дифференциальные уравнения]]
|-
|[[Введение в VBA|Введение в VBA]]
|}

|style="vertical-align:top;"|



=== Курсы за 2014/15 учебный год ===
{|
|-
|[[Основы и методологии программирования]] 
|-
|[[Алгоритмы и структуры данных 2015 | Алгоритмы и структуры данных]] 
|-
|[[Анализ данных (Программная инженерия)]] 
|-
|[[Алгебра_2014/2015 | Алгебра]] 
|-
|[[Magolego_sna_2015| MAGoLEGO Social Network Analysis]]
|}

==== Проектная работа ====
{|
|-
|[[Проектная работа]] 
|-
|[[Учебная практика 1 курс (2016)]]
|-
|[[Проектная работа 2 курс (2016)]]
|}


|}

== Мероприятия факультета компьютерных наук ==
=== Summer School 2015 ===
[[Introduction to Natural Language Processing|Introduction to Natural Language Processing]]
#[[Lecture 1. Introduction|Introduction]]
#[[Lecture 2. Tokenization and word counts|Tokenization and word counts]]
#[[Lecture 3. POS tagging. Key word and phrase extraction|POS tagging. Key word and phrase extraction]]
#[[Lecture 4. Parsing|Parsing]]
#[[Lecture 5. Language sources|Language sources]]
#[[Lecture 6. Synonyms and near-synonyms detection|Synonyms and near-synonyms detection]]
#[[Lecture 8. Suffix trees for NLP|Suffix trees for NLP]]
#[[NLP References|References]]

== Архив ==
* [[Учебная практика 1 курс (2015)]]

Машинное обучение на матфаке 2022

2022-01-12T18:09:53Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-12T18:09:28Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

== Полезные ссылки ==
* [https://t.me/+GqWLqJMS4WMzNDJi Чат курса]
* [https://t.me/+4PQXGlC4CgsyMmJi Телеграм канал с объявлениями]


=== Система оценивания ===
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Материалы ==
=== Семинары ===
* 10.01: Введение в numpy, pandas, matplotlib. [https://github.com/ischurov/math-ml-2021-public/blob/main/seminars/sem01_intro.ipynb Конспект занятия]

Машинное обучение на матфаке 2022

2022-01-12T18:09:07Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-12T18:07:14Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

== Полезные ссылки ==
* [https://t.me/+GqWLqJMS4WMzNDJi Чат курса]
* [https://t.me/+4PQXGlC4CgsyMmJi Телеграм канал с объявлениями]



=== Система оценивания ===
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

Машинное обучение на матфаке 2022

2022-01-12T18:05:52Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-12T18:05:43Z

Ilya Schurov:

Машинное обучение на матфаке 2022

2022-01-12T18:03:41Z

Ilya Schurov: Новая страница: «== О курсе == Курс читается для студентов факультета математики ВШЭ в 3-4 модулях. Лектор: [ht…»

Wiki ФКН

2021-09-06T14:17:39Z

Ilya Schurov:

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2021/22 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Математический_Анализ_1_на_ПМИ_2021/2022_(пилотный_поток) | Математический анализ 1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2021/2022_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[DM1-2021-22 | Дискретная математика на ПМИ]]

'''ПИ'''

'''ПАД'''

[[Discrete Mathematics DSBA 2021/2022 | Discrete Mathematics (DSBA)]]

[[LAaG DSBA 2021/2022 | LAaG (DSBA)]]

'''КНАД'''

[[Математический_анализ_(КНАД) | Математический анализ (КНАД)]]

[[Линейная алгебра_(КНАД) | Линейная алгебра (КНАД)]]

||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2021/2022_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2021/2022_(основной_поток)| ТВиМС (основной поток)]]

[[Математический анализ 2021/2022 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

[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%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_-_2.1_(2021/22) Математический анализ - 2 (основной поток)]

[[MissingSemester2021/2022 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[Язык программирования C++ (углубленный курс) | Язык программирования C++ (углубленный курс)]]

[[Алгоритмы и структуры данных 2 2021 | Алгоритмы и структуры данных 2]]

'''ПАД'''

[[Discrete Mathematics 2 DSBA 2021/2022 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2021/22 | Business and Management in Global Context (DSBA)]]

||

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1]]

[[Theory of Computation 2021 | Theory of Computation]]

[http://wiki.cs.hse.ru/Psmo_21_22 Прикладная статистика в машинном обучении 21/22]

[https://osukhoroslov-hse.notion.site/082aef7073a844afa4c1bf718a773d77 Распределенные системы]

[http://math-info.hse.ru/s21/8 Прикладные дифференциальные уравнения]

'''ПИ'''

[[ML4SE_1 | НИС Машинное обучение для программной инженерии]]

'''ПАД'''
||

[http://wiki.cs.hse.ru/%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC_21/22 Дизайн систем]

'''ПМИ / МОП'''

[[Statistical_learning_theory_2021 | Statistical learning theory]]

'''ПМИ / РС'''

[https://www.notion.so/osukhoroslov-hse/2-0cd36b67b9f64182bfeabcda9ede647a НИС Распределенные системы 2]

[[msbdp_21 | Методы и системы обработки больших данных]]

'''ПМИ / ТИ'''

[[InfTheory2021 | Теория информации]]

[[OWF2021 | Односторонние функции и их применения]]

||

[[Введение_в_программирование_21/22_(майнор_ИАД) | Введение в программирование 21/22 (майнор ИАД)]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%93%D0%B5%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_2020/21 Цифровая грамотность] || География глобальных измерений и геоинформационные технологии || 1 курс || 1-2 модули
|-
| [[Цифровая грамотность, Востоковедение 2021/2022| Цифровая грамотность]] || Востоковедение || 1 курс || 1-2 модули
|-
|[[Цифровая Грамотность ИКВиА 2021/2022 | Цифровая грамотность]] || ИКВиА || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция:частное право || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%8F_2020/2021 Цифровая грамотность] ||История || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_(%D1%84%D0%B8%D0%BB%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F)_2020 Цифровая грамотность] || Филология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2020-21_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Культурология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2019-2020_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Медиакоммуникации || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2019-2020(%D1%84%D0%B8%D0%BB%D0%BE%D1%81%D0%BE%D1%84%D0%B8%D1%8F) Цифровая грамотность] || Философия || 1 курс || 1-2 модуль
|-
| [http://wiki.cs.hse.ru/Основы_программирования_на_Python_осень_2021_матфак Основы программирования на Python] || Математика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_R,_%D0%A1%D0%BE%D1%86%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в R] || Социология || 4 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D0%9C%D0%A1%D0%90%D0%A0-2_2020 Методы анализа больших данных в исследованиях поведения покупателя] || Прикладные методы социального анализа рынков (магистратура) || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020 Машинное обучение] || Экономика || 3,4 курс || 1-2 модули
|-
| [[Программирование_ЭкСтат_ГП | Программирование на языке Python ]] || Городское планирование, Экономика и статистика || 3 курс || 1-2 модули
|-
| [[Основы анализа данных в международных отношениях 2021/2022 | Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85 Python извлечение и обработка данных] || Клеточная и молекулярная биотехнология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_Python_(%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_2020) Основы программирования в Python ] || Политология || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Основы_работы_с_данными:_сбор,_анализ,_визуализация_(ОП_%22Журналистика%22) Основы работы с данными: сбор, анализ, визуализация] || Журналистика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_Data_Science Data Science] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме (магистратура) || 1 курс || 2 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D1%81%D0%BE%D0%B2._%D0%B1%D0%B0%D0%BA._%D0%92%D0%A8%D0%AD-%D0%A0%D0%AD%D0%A8_2021) Машинное обучение] || Совместный бакалавриат НИУ ВШЭ и РЭШ || 3 курс || 1-2 модули
|-
|
|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Economics_and_Finance_2020-2021 Data Analysis in Economics and Finance] || Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Journalism_and_Political_Science_2020-2021 Data Analysis in Journalism and Political Science]|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D1%8B%D0%B5_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020_1%D0%BC%D0%BE%D0%B4%D1%83%D0%BB%D1%8C Прикладные исследования в культурологии] || Прикладная культурология (магистратура) || 1 курс || 1 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8 Программирование и теория алгоритмов] || Фундаментальная и компьютерная лингвистика || 3 курс || 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020 Нейросетевые методы в обработке текстов] || Фундаментальная и компьютерная лингвистика || 4 курс || 1, 2, 3 модули
|-

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
| [[Project_Seminar_2021_2022 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2021/22|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2021/22|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив =

== Курсы за 2020/21 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Математический_анализ_1_2020/2021_(пилотный_поток) | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2020/2021_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2020/2021_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2020/2021_(основной_поток) | Алгебра (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(пилотный_поток) | Основы и методология программирования на ПМИ 2020/2021 (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(основной_поток)_3_модуль | Основы и методология программирования на ПМИ 2020/2021 (основной поток, III модуль)]]

[[DM1-2020-21 | Дискретная математика-1 ПМИ]]

[[Алгоритмы_и_структуры_данных_1_2020/2021_(4_модуль) | Алгоритмы и структуры данных – 1 (4 модуль) на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 1 на ПМИ (пилотный поток)]]

'''ПИ'''

[[DM1-SE-2020-21 | Дискретная математика-1 ПИ]]

[http://hsealgebra21.wikidot.com/ Алгебра ПИ]

'''ПАД'''

[[Discrete_Mathematics_DSBA2020/2021 | Discrete Mathematics (DSBA) ]]

[[LAaG_DSBA_2020/2021 | Linear Algebra and Geometry (DSBA)]]

[[English_DSBA_2020/2021 | English DSBA (DSBA)]]

[[Introduction_to_programming_DSBA_2020/2021 | Introduction to Programming (DSBA)]]

[[ Calculus_2020/21 | Calculus (DSBA) ]]

[[Algebra_DSBA_2020/2021 | Algebra DSBA]]

[[Introduction_to_Economics_2020/21 | Introduction to Economics ]]

||
'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2020/2021_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2020/2021_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_анализ_2020/2021_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_-_2_(основной_поток) | Математический анализ - 2 на ПМИ (основной поток)]]

[[MissingSemester2020/2021 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[АКОС ПМИ 2020/2021 | Архитектура компьютеров и операционные системы]]

[[Основы матричных вычислений 2020/2021]]

[[Дифференциальные уравнения (ПМИ)]]

[[DM2-pilot2020/2021 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-base2020/2021 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных - 2 на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_2_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

'''ПАД'''

[[Calculus-2_DSBA_2020_(ПАД) | Calculus-2 (DSBA) ]]

[[Discrete_Mathematics_-_2_DSBA2020/2021 | Discrete Mathematics - 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2020/21 | Business and Management in Global Context (DSBA)]]

[[Principles_of_micro_and_macro-economics_2020/21 | Principles of micro and macro-economics (DSBA)]]

[[Algorithms_and_data_structures_2_2020/21 | Algorithms and data structures 2 (DSBA)]]

[[Statistics_DSBA_2020/2021 | Probability and Statistics (DSBA)]]

[[ACOS_DSBA_2020/2021 | Computer Architecture and Operating Systems (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

||

'''ПМИ'''

[[Машинное_обучение_1/2020_2021 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Прикладная статистика в машинном обучении 20/21]]

[[Безопасность компьютерных систем 20/21]]

[[Theory of computing, AMI]]

[[Матричные вычисления 20/21]]

[[НИС_Машинное_обучение_и_приложения_2020/2021|НИС Машинное обучение и приложения]]

[[Методы оптимизации в машинном обучении|Методы оптимизации в машинном обучении]]

[[Моделирование временных рядов 20/21]]

[[Высокопроизводительные вычисления 20/21]]

[[ Сбор и обработка данных с помощью краудсорсинга 20/21 ]]

[[ Распределённые системы ]]

[[ Компьютерные сети 2021 ]]

[[НИС_РС|НИС Распределенные системы]]

[[Анализ данных в бизнесе (Кафедра SAS)]]

[[Дополнительные главы прикладной статистики (2020/21)]]

[[Comb2020_2021 | Комбинаторные конструкции в теоретической информатике]]

[[Численные Методы 2021]]

[[Методы оптимизации 20/21]]

[[Математическое моделирование]]

'''ПАД'''

[[ MachineLearning1_DSBA2020 | Machine Learning 1 (DSBA)]]

[[ Time_Series_and_Stochastic_Processes_ada_20_21 | Time Series and Stochastic Processes (DSBA) ]]

[[ST2187 Business analytics, applied modelling and prediction | Business analytics, applied modelling and prediction (DSBA)]]

[[Data_Base_2020/2021_DSBA | Data Base (DSBA)]]

[[Social_History_of_Science_2020/21 | Social History of Science (DSBA)]]

[[Elements_of_Econometrics_2020/21 | Elements of Econometrics (DSBA)]]

[[Data Science Case Studies / Анализ данных в бизнесе (Кафедра SAS)]]

[[ Optimization_methods | Optimizaton Methods (DSBA) ]]

||

[[Философия_науки_2020 | Философия науки]]

[[Символьные вычисления]]

'''ПМИ / МОП'''

[[НИС_Машинное_обучение_и_приложения_2020/2021 | НИС Машинное обучение и приложения]]

[[Глубинное обучение в обработке звука 20/21]]

[[Байесовские методы машинного обучения 2020 | Байесовские методы машинного обучения]]

[[Машинное обучение на больших данных 2021]]

[[Генеративные модели в машинном обучении 2021 | Генеративные модели в машинном обучении 2021]]

'''ПМИ / РС'''

[[НИС_РС_2 | НИС Распределенные системы]]

[[msbdp_20 | Методы и системы обработки больших данных]]

[[ Облачные вычисления]]

'''ПМИ / ТИ'''

[[Statistical_learning_theory_2020 | Statistical learning theory]]

[[InfTheo2020-2021|Теория информации]]

[[A_Theorist's_Toolkit_2020_2021 | A Theorist's Toolkit, AMI]]

||

[[ Майнор Биоинформатика 1 год ]]

[[ Майнор Биоинформатика 2 год ]]

[[ Введение в программирование (майнор ИАД) ]]

[[Введение в анализ данных (майнор ИАД)]]

[[Современные_методы_машинного_обучения|Современные методы машинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных|Прикладные задачи анализа данных (майнор ИАД)]]

[[ ОУФ Машинное Обучение в Питоне ]]

[[ Факультатив "Теория вычислений и логика" (Осень 2020)]]

[[dopglavy_DM_2021|Допглавы дискретной математики]]

[[Adaptation_DM_20-21 |Adaptation course in DM]]

[[Функциональный анализ (осень 2020)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ Факультатив "Теория вычислений и логика" | Факультатив "Теория вычислений" (Весна 2021)]]

[[Дополнительные_главы_теории_вероятностей_2021 | ДГТВ]]

[[Дополнительные_главы_теории_вероятностей-3_2019/2020 | ДГТВ-3]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс
|-
| [[Stochastic_analysis_2020_2021 | Stochastic Analysis ]] || Statistical Learning Theory || 1 year
|-
| [[Econometrics_fall_2020 | Эконометрика ]] || ФТИАД || 1 year
|-
| [[Recsys_2020_2021 | Рекомендательные системы]] || ФТИАД|| 2 year
|-
| [[Into_to_DataMining_and_Machine_Learning_2020_2021 | Introduction to Data Mining and Machine Learning]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2020_2021 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Цифровая грамотность ИЯиМК 2020-2021|Цифровая грамотность ИЯиМК 2020-2021]] || ИЯиМК || 1 курс || 3-4 модули
|-
| [[Data Analysis in Python 2020-2021|Data Analysis in Python]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 2 курс || 3-4 модули
|-
| [[Машинное обучение на матфаке 2021 |Машинное обучение]] || Математика || 1-4 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/Анализ_данных_на_python,_фэн,_2020_spring Анализ данных на python] || Факультет экономических наук || 1 курс || 3-4 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 3-4 модули
|-
| [[Python для ОП "Психология" |Python для ОП "Психология" ]] ||Психология || 1 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_Python_2020-2021_%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в Python] || Политолгия || 3 курс || 3-4 модули
|-
| [[Цифровая грамотность История искусств 2020-2021]] || История искусств || 1 курс || 3-4 модули
|-
| [[Excel для анализа данных , 20-21|Excel для анализа данных , 20-21]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ СДиА_Матфак_1_курс_2020/2021 | Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[ Python для ГМУ, 20-21 | Python для ГМУ, 2020-2021 ]] || Государственное и муниципальное управление || 1 курс || 4 модуль
|-
| [[ Python для ИЯиМК, 2020-2021 | Python для ИЯиМК, 2020-2021 ]] || ИЯиМК || 2 курс || 4 модуль
|-
| [[ Информационные технологии (факультет химии) | Информационные технологии. Data Culture ]] || Химия || 2 курс || 4 модуль
|-
| [[ Введение_в_анализ_данных_2021_МирЭк | Введение в анализ данных ]] || МирЭк || 1 курс || 4 модуль
|-
| [[ Python для анализа данных (МирЭк) 2020-2021 | Python для анализа данных ]] || МирЭк || 2 курс || 3-4 модуль
|-

|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Основы программирования на Python осень 2020 матфак|Основы программирования на Python-1]] || Математика || 3 курс || 1-2 модули
|-
| [[Анализ_данных_в_Python_2020-2021|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы_анализа_и_визуализация_данных_для_медиа_2020/2021|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии 2020|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Проектный семинар медиаком 2020|Проектный семинар]] || Медиакоммуникации || 3 курс || 1 модуль
|-
| [[Основы анализа и визуализации данных ДИЯ 2020-2021|Основы анализа и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 1-2 модули
|-
| [[Основы программирования в Python (Политология 2020)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Data Analysis in Journalism and Political Science 2020-2021|Data Analysis in Journalism & Political Science]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Data Analysis in Economics and Finance 2020-2021|Data Analysis in Economics & Finance]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Прикладные исследования в культурологии 2020 1модуль|Прикладные исследования в культурологии]] || Прикладная культурология || 1 курс || 1 модуль
|-
| [[Основы анализа данных в международных отношениях 20/21|Основы анализа данных в международных отношениях 20/21]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Анализ данных в R, Социология|Анализ данных в R]] || Социология || 4 курс || 1-2 модуль
|-
| [[Анализ данных на python, фэн, 2020 fall|Анализ данных на Python]] || Факультет экономических наук || 2 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ЭиАМ|Цифровая грамотность, ЭиАМ]] || Эфиопия и арабский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, Античность|Цифровая грамотность, Античность]] || Античность || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ТиТМ|Цифровая грамотность, ТиТМ]] || Турция и Тюркский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность История 2020/2021|Цифровая грамотность, История]] || История || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_2020_(Востоковедение)|Цифровая грамотность, Востоковедение]] || Востоковедение || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_География_2020/21|Цифровая грамотность, География]] || География || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_(филология)_2020|Цифровая грамотность, Филология]] || Филология|| 1 курс || 1-2 модуль
|-
| [[Машинное_обучение_(сов._бак._ВШЭ-РЭШ_2020)|Машинное обучение]] || Совместная программа по экономике НИУ ВШЭ и РЭШ || 3 курс || 1-2 модуль
|-
| [[Машинное_обучение_(ФЭН)_-_2020|Машинное обучение]] || Экономика || 3-4 курс || 1-2 модуль
|-
| [[Python: работа с данными и текстом|Python: работа с данными и текстом]] || Медиакоммуникации || 2-3 курс || 1-2 модуль
|-
| [[Phyton_для_извлечения_и_обработки_данных|Phyton для извлечения и обработки данных]] || Молекулярная и клеточная биотехнология || 1 курс || 1-2 модуль
|-
| [[ПМСАР-2_2020| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Основы_программирования_на_Python2020/2021|Основы программирования на Python]] || Экономика и статистика || 2-3 курс || 1-2 модули
|-
| [[Извлечение и анализ интернет-данных (2020)|Извлечение и анализ интернет-данных]] || Экономика и статистика || 2-4 курс || 2 модуль

|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2020-2021|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[Эконометрика, фэн, 2020-2021|Эконометрика]] || фэн, 3 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2020-2021|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

=Архив=

== Курсы за 2019/20 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_1_2019/2020 | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток,_2_семестр) | Математический анализ на ПМИ (основной поток, 2 семестр)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Дискретная_математика_1_2019/2020 | Дискретная математика-1 на ПМИ]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2019/2020_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2019/2020_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_2019/2020 | Основы и методология программирования на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_1_2019/2020_(пилотный_поток) | Основы и методология программирования-1 на ПМИ (пилотный поток)]]

[[Discrete_Mathematics_DSBA2019/2020 | Discrete Mathematics DSBA (ПАД)]]

[[Calculus_DSBA2019/2020 | Calculus DSBA (ПАД) 1st module]]

[[Calculus_DSBA2020 | Calculus DSBA (ПАД) 2nd module]]

[[LAaG_DSBA_2019/2020 | Linear Algebra and Geometry (ПАД)]]

[[Introduction_to_programming_DSBA_2019/2020 | Introduction to Programming (ПАД)]]

[[English_DSBA_2019/2020 | English DSBA (ПАД)]]

[[Algorithms_and_Data_Structures_DSBA_2020 | Algorithms and Data Structures DSBA ]]

[[Algebra_DSBA_2019/2020 | Algebra DSBA]]

[[Алгоритмы_и_структуры_данных_1_основной_поток_2019/202 | Алгоритмы и структуры данных-1 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[[DM2-basic2019/2020 | Дискретная математика-2 на ПМИ (основной поток)]]

[[DM2-pilot2019/2020 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Теория_вероятностей_2019/2020_(основной_поток)| Теория_вероятностей_2019/2020 на ПМИ (основной поток)]]

[[Теория_вероятностей_и_математическая_статистика_2019/2020_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Математический_анализ_2019/2020_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2_2019/2020_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2019/2020 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Calculus_2_2019 | Calculus-2 DBSA (ПАД)]]

[[Statistics_DSBA_2019/2020 | Statistics DSBA (ПАД)]]

[[DM2 | Дискретная Математика-2 (ПАД)]]

[[ADS2 | Алгоритмы и Структуры Данных-2 (ПАД)]]

[[Introduction_to_Economics | Introduction to Economics DSBA ]]

[[Business_and_Management_in_Global_Context_2019-2020| Business and Management in Global Context DSBA ]]

[[ACOS_DSBA_2019/2020 | Computer Architecture and Operating Systems (ПАД)]]

[[Differential_Equations_2020 | Differential Equations DSBA ]]

[[Факультатив Теория вычислений_2020 | Факультатив Теория вычислений]]

[[Дифференциальные_уравнения_2020 | Дифференциальные уравнения 2020 ]]

||

[[Машинное_обучение_1/2019_2020 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2019_2020 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2020 | Численные методы]]

[[Прикладная_статистика_в_машинном_обучении(2019)|Прикладная статистика в машинном обучении]]

[[Theory_of_Computing_2019_2020 | Theory of Computing, AMI]]

[[Компьютерные_Сети | Компьютерные сети]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Непрерывная_оптимизация_(МОП)/2020| Непрерывная оптимизация (МОП)]]

[[%D0%9D%D0%B5%D0%BF%D1%80%D0%B5%D1%80%D1%8B%D0%B2%D0%BD%D0%B0%D1%8F_%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_(%D0%A2%D0%98,_%D0%90%D0%94%D0%98%D0%A1,_%D0%90%D0%9F%D0%A0,_%D0%A0%D0%A1)| Непрерывная оптимизация (ТИ, АДИС, АПР, РС) ]]

[[Data_analysis_(Software_Engineering)_2020|Data Analysis]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[CCTI_2020|Сложность вычислений и логика в теоретической информатике]]

||

[[InfTheo2019-2020|Теория информации]]

[[Байесовские_методы_машинного_обучения_2019|Байесовские методы машинного обучения]]

[[НИС Науки о данных]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Философия_науки_2019|Философия науки]]

[[Глубинное обучение|Глубинное обучение]]

[[NLP 2019|NLP Анализ данных]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Генеративные_модели_в_машинном_обучении_2020|Генеративные модели в машинном обучении]]

[[Компьютерные Сети 4 курс| Компьютерные сети]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[Машинное_обучение_на_больших_данных_2020|Машинное обучение на больших данных]]

[[Основы_обработки_больших_данных_2020|Основы обработки больших данных]]

||
[[MinorBioinformatics|Биоинформатика]]

[[Майнор Интеллектуальный анализ данных/Современные_методы_машинного_обучения | Современные методы машинного обучения (ИАД)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ISDElective|Факультатив "Методы разработки программного обеспечения" (1-2 модули)]]

[[Введение в программирование (курс майнора)]]

[[dopglavy_DM_1920|Допглавы дискретной математики]]

[[Дополнительные_главы_теории_вероятностей-2_2019/2020|ДГТВ-2]]

[[Дополнительные_главы_теории_вероятностей_2020|ДГТВ]]

[[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020|Введение в анализ данных (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных_(майнор_ИАД)|Прикладные задачи анализа данных (майнор ИАД)]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс

|-
| [[Theory_of_Computing_2019_2020 | Theory of Computing]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Project_Seminar_2019_2020 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Stochastic_analysis_2019_2020 | Stochastic Calculus ]] || Statistical Learning Theory || 1 year
|-
| [[A_Theorist's_Toolkit_2019_2020 | A Theorist's Toolkit, AMI]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Neurobayesian_models_2020 | Neurobayesian models ]] || Statistical Learning Theory || 2 year
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|- http://wiki.cs.hse.ru/Цифровая_грамотность_(филология)_2020#.F0.9F.93.AC_.D0.A7.D0.B0.D1.82.D1.8B_.D0.B3.D1.80.D1.83.D0.BF.D0.BF
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Введение в анализ данных 2020 МирЭк| Введение в анализ данных]] || Мировая экономика || 1 курс || 3-4 модуль
|-
|[[ Основы программирования в Python (Мирэк) | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ИЯиМК| Цифровая грамотность ]] || Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[ Цифровая_грамотность_(филология)_2020| Цифровая грамотность ]] || Филология || 1 курс || 3-4 модуль
|-
| [[Цифровая_грамотность_(ФиКЛ)_2020| Цифровая грамотность ]] || Фундаментальная и компьютерная лингвистика || 1 курс || 4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (История искусств)| Цифровая грамотность ]] || История искусств || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (Культурология)| Цифровая грамотность ]] || Культурология || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛ_ЮВА| Цифровая грамотность ]] || Языки и литература Юго-Восточной Азии || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛЯ| Цифровая грамотность ]] || Языки и литература Японии || 1 курс || 3-4 модуль
|-
| [[ ППО Социология 1 курс 2019/2020| ППО (Python для извлечения и обработки данных) ]] || Социология || 1 курс || 3 модуль
|-
|[[ Машинное обучение на матфаке 2020 | Машинное обучение]] || Математика || 2-4 курс || 3-4 модуль
|-
|[[ Excel для анализа данных | Excel для анализа данных]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 2 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 2 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 1 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 1 курс || 4 модуль
|-
| [[ СДиА Матфак 1 курс 2019/2020| Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Наука о данных (Экономика)|Наука о данных]] || Экономика || 2 курс || 3-4 модули
|-
| [[Основы программирования на Python весна 2021 матфак|Основы программирования на Python, 2 часть]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Культура работы с данными, КМБТ|Культура работы с данными, КМБТ]] || Клеточная и молекулярная биотехнология || 1 курс || 3-4 модули
|-
| [[Natural_Language_Processing_Blended_2020_module4 | Natural Language Processing (blended)]] || Прикладная политология || 1 г.о. || 4 модуль
|-
| [[ПМСАР-1 2019/2020|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Введение в Data Science]] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме || 1 г.о. || 3 модуль
|-
| [[Принципы построения математических моделей]] || МИЭМ || 1 г.о. || 4 модуль
|-
| [[Python для извлечения и обработки данных Психология 1 курс 2019/2020]] || Психология || 1 г.о. || 4 модуль
|-
| [[Технологии анализа больших данных ГМУ 1 курс 2019/2020]] || ГМУ || 1 г.о. || 4 модуль
|-
| [[Городское планирование | Цифровая грамотность]] || Городское планирование || 1 г.о. || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[ Основы анализа и визуализация данных для медиа 2019/2020 | Основы анализа и визуализации данных для медиа ]] || Журналистика || 4 курс || 1 модуль
|-
| [[ Анализ данных в Python 2019-2020 | Анализ данных в Python ]] || Политология || 4 курс || 1-2 модули
|-
| [[Introduction to Data Culture 2019-2020 | Introduction to Data Culture ]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[ Основы анализа данных в международных отношениях | Основы анализа данных в международных отношениях ]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Основы программирования в Python (Политология)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Основы программирования на Python осень 2019 матфак|Основы программирования на Python-1]] || Математика || 1-4 курс || 1-2 модули
|-
| [[ Цифровая грамотность (История 2019) | Цифровая грамотность ]] || История || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (Востоковедение 2019) | Цифровая грамотность ]] || Востоковедение|| 1 курс || 1-2 модули
|-
| [[ Цифровая_грамотность_2019-2020(философия) | Цифровая грамотность ]] || Философия || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (ассириология и античность 2019) | Цифровая грамотность ]] || Ассириология и античность|| 1 курс || 1-2 модули
|-
| [[ПМСАР-2_2019| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Работа с данными]] || Медиакоммуникации || 4 курс || 1 модуль
|-
| [[Машинное обучение (фэн 2019)]] || ФЭН || 3 курс || 1-2 модули
|-
| [[Natural_Language_Processing_Blended_2019_module1 | Natural Language Processing (blended)]] || Прикладная политология || 2 г.о. || 1 модуль
|-
| [[ ML_HSE_NES_2019 | Машинное обучение (ВШЭ-РЭШ)]] || Совместный бакалавриат ВШЭ-РЭШ || 3-4 курс || 1-2 модули
|-
| [[ Основы_анализа_и_визуализации_данных_ДИЯ_2019/2020 | Основы анализа и визуализации данных ]] || ДИЯ || 2 курс || 1,2 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_на_Python2019/2020|Основы программирования на Python]] || Экономика и статистика || 2-4 курс || 2 модуль
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2019-2020|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 3-4 модуль
|-
| [[Микроэконометрика качественных данных, фэн, 2020|Микроэконометрика качественных данных 2020]] || фэн, 4 курс || 1-2 модуль
|}

== Курсы за 2018/19 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2018/2019_(пилотный_поток) | Математический анализ на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2018/2019_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Calculus_DSBA_2018/2019 | Calculus I DSBA (ПАД)]]

[[Основы_и_методология_программирования_на_ПМИ_2018/2019_(пилотный_поток) | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2019_(С%2B%2B,_основной_поток) | Основы и методология программирования на ПМИ (С++, основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[LAaG_DSBA_2018/2019 | LAaG DSBA]]

[[Дискретная_математика_1_2018/2019 | Дискретная математика-1 на ПМИ]]

[[Discrete_Mathematics_DSBA2018/2019 |Discrete Mathematics DSBA (ПАД)]]

[[Introduction_to_programming | Introduction to programming DSBA (ПАД)]]

[[Introduction_to_programming_2 | Introduction to programming 2 DSBA (ПАД)]]

[[Алгебра_на_ПМИ_2018/2019_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2018/2019_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Algebra_DSBA_2018/2019 | Algebra DSBA]]

[http://hsealgebra19.wikidot.com Алгебра на ПИ]

[[Алгоритмы_и_структуры_данных_2018/2019 | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[http://math-info.hse.ru/2018-19/Дифференциальные_уравнения_(ФКН) Дифференциальные уравнения]

[[Теория_вероятностей_2018/2019_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2018/2019_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[DM2-pilot2018/2019 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-basic2018/2019 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2018/2019 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Факультатив Теория вычислений]]

||

[[Машинное_обучение_1/2018_2019 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2018 | Численные методы ]]

[[PDC | Параллельные и распределенные вычисления]]

[[Theory_of_Computing_2018_2019 | Theory of Computing, AMI]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[Прикладная_статистика_в_машинном_обучении(2018)|Прикладная статистика в машинном обучении]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Основные методы анализа данных]]

[[Теория баз данных]]

[[Непрерывная оптимизация/2019|Непрерывная оптимизация (161-162)]]

[[Непрерывная оптимизация (163-167)]]

[[Сложность вычислений и логика в теоретической информатике]]

[[Data analysis (Software Engineering) 2019|Data analysis]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

[[Intro to DL Blended | Intro to DL Blended]]

[[Дискретная оптимизация 2019 | Дискретная оптимизация 2019]]

||

[[Statistical_learning_theory_2018_2019 | Introduction to statistical learning theory]]

[[Анализ_неструктурированных_данных-2018 |Анализ неструктурированных данных ]]

[[Байесовские_методы_машинного_обучения_2018|Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[НИС_Науки_о_данных_2018/2019|НИС Науки о данных]]

[[НИС_Распределенные_системы_(4_курс,_2018)|НИС Распределенные системы]]

[[Теория_Информации_2018/2019|Теория информации]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Методы_и_системы_обработки_больших_данных_(осень_2018)|Методы и системы обработки больших данных]]

[[Философия_науки_2018|Философия науки]]

[[Теория баз данных]]

[[ConvAppr19 | Выпуклое программирование и аппроксимационные алгоритмы (ТИ)]]

[[Функциональное программирование 2019 | Функциональное программирование]]

[[A_Theorist's_Toolkit_2018_2019 | A Theorist's Toolkit, AMI]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

||
[[Дополнительные главы теории вероятностей 2019 | Дополнительные главы теории вероятностей 2019]]

[[Дополнительные главы математической статистики 2019 | Дополнительные главы математической статистики 2019]]

[[Введение в программирование (курс майнора) 2018/2019]]

[[dopglavy_DM_1819|Допглавы дискретной математики]]

[[Современные_методы_машинного_обучения_(курс_майнора)_2018/2019 | Современные методы машинного обучения (курс майнора) 2018/2019]]

[[Прикладные_задачи_анализа_данных_(майнор_-_весна_2019) | Прикладные задачи анализа данных (майнор - весна 2019)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных | Введение в анализ данных (курс майнора)]]

[[Функциональный анализ (весна_2019) | Функциональный анализ (весна_2019)]]

[[KotlinElective| Язык Kotlin (3 и 4 модули 2018-2019)]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы программирования на Python весна 2020 матфак|Основы программирования на Python-2]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(филология)|Цифровая грамотность]] || Филология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИИ_и_культурология)|Цифровая грамотность]] || История искусств и Культурология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИЯМК_2019)|Цифровая грамотность]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 1 курс || 3-4 модули
|-
| [[Основы_анализа_и_визуализации_данных_ДИЯ_2019|Анализ и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 3-4 модули
|-
| [[Научно-исследовательский_семинар_2019| Научно-исследовательский семинар]] || Политология || 1 курс || 3 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_в_Python_2019|Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модули
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[ПМСАР-1|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Искусственный интеллект и большие данные_(2019)|Искусственный интеллект и большие данные]] || Дизайн, Мода, Современное искусство || 1 курс || 3-4 модули
|-
| [[Информационный менеджмент: Введение в Data Science|Информационный менеджмент: Введение в Data Science]] || Управление бизнесом Маркетинг и рыночная аналитика || 1 курс || 4 модуль
|-
| [[Технологии анализа больших данных|Технологии анализа больших данных]] || ГМУ || 1 курс || 4 модуль
|-
| [[Основы программирования на Python (Прикладное программное обеспечение)|Основы программирования на Python (Прикладное программное обеспечение)]] || Социология || 1 курс || 4 модуль
|-
| [[Основы работы с данными|Основы работы с данными]] || Медиакоммуникации || 2 курс || 4 модуль
|-
| [[Введение_в_data_science_Социология_1_курс|Профориентационный семинар (Data Culture)]] || Социология || 1 курс || 4 модуль
|-
| [[Введение_в_анализ_данных_МирЭк_2019|Введение в анализ данных]] || Мировая экономика || 1 курс || 4 модуль

|}

=== 1 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы анализа данных в международных отношениях 2018/2019|Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [[Introduction_to_Data_Culture_2018-2019|Introduction to Data Culture]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Цифровая грамотность(востоковедение)|Цифровая грамотность]] || Востоковедение || 1 курс || 1 модуль
|-
| [[Разработка управленческих решений в маркетинге | Разработка управленческих решений в маркетинге]] || Маркетинг и рыночная аналитика || 2 курс || 1-2 модули
|-
| [[Информационные технологии в деятельности юриста_2018-2019| Информационные технологии в деятельности юриста]] || Юриспруденция || 1 курс || 2 модуль
|-
| [[Машинное обучение на матфаке 2018/2019| Машинное обучение]] || Факультет математики || 2-4 курсы || 1-2 модули
|-
| [[ПМСАР-2| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Анализ данных в Python (Политологи 1 семестр 1-2 модули)|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы анализа и визуализации данных для медиа (Журналисты 1 семестр 1 модуль)|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Введение в анализ текстов на Python для ФГН 2018|Введение в анализ текстов на Python для ФГН 2018]] || Фундаментальная и компьютерная лингвистика || 3 курс || 1, 2, 4 модули
|-
| [[Машинное обучение (ФЭН)]] || Факультет экономических наук || 3-4 курсы || 1-2 модули
|-
| [[Программирование_(python)_для_экономистов|Программирование (Python) для экономистов]] || Факультет экономических наук || 2 курс || 1-2 модули
|-
| [[Цифровая грамотность(философия)|Цифровая грамотность]] || Философия || 1 курс || 1-2 модули
|-
| [[Цифровая_грамотность_(историки)|Цифровая грамотность]] || История || 1 курс || 1-2 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 1-2 модули
|-
| [[Статистический анализ в среде R (Социологи 1 семестр 2 модуль)|Статистический анализ в среде R ]] || Социология || 4 курс || 2 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|}

==Courses of the Statistical Learning Theory program==
[[Neurobayesian_models_2019|Neurobayesian models]]

== Курсы за 2017/18 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2017/2018_(пилотный_поток) | Математический анализ на ПМИ 2017/2018 (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2017/2018_(основной_поток) | Математический анализ на ПМИ 2017/2018 (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(пилотный_поток,_1_модуль) | Основы и методология программирования на ПМИ 2017/2018 (пилотный поток, 1 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_2_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 2 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_3_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 3 модуль)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_2017/2018_(основной_поток) | Алгоритмы и структуры данных на ПМИ 2017/2018 (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Дискретная_математика_1_2017/2018 | Дискретная математика-1 на ПМИ]]

[[Алгоритмы и структуры данных 1 | Алгоритмы и структуры данных – 1 (пилотный поток)]]

[[Алгебра_на_ПМИ_2017/2018 | Алгебра на ПМИ]]

[http://hsealgebra18.wikidot.com Алгебра на ПИ]

||
[[Теория_вероятностей_2017/2018_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2017/2018_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический анализ-3 на ПМИ_2017/2018_(основной_поток) | Математический анализ-2 на ПМИ (основной поток)]]

[[Математический анализ на ПМИ_2017/2018 | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM2-pilot2017/2018 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM_2_2017_2018 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы и структуры данных_2_2017/2018 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Дифференциальные уравнения (2 курс, 2017/2018)| Дифференциальные уравнения]]

||
[[Машинное_обучение_1/2017_2018 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2017_2018 | Машинное обучение 2 на ПМИ]]

[[Численные_методы_2017 | Численные методы]]

[[Statistics of Stochastic Processes|Статистика случайных процессов 2018]]

[[Прикладная_статистика_в_машинном_обучении | Прикладная статистика в машинном обучении]]

[[Theory_of_Computing | Theory of Computing, AMI]]

[[Statistical_learning_theory | Introduction to statistical learning theory]]

[[Основные_методы_анализа_данных_(специализация_АДИС) | Основные методы анализа данных на ПМИ]]

[[Анализ неструктурированных данных]]

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[НИС_Распределенные_системы_(3_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Непрерывная_оптимизация | Непрерывная оптимизация]]

[[ Сложность_и_логика| Сложность вычислений и логика в теоретической информатике]]

[[Data_analysis_(Software_Engineering)_2018 | Data Analysis на ПИ]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

[http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных Машинное обучение на больших данных]

[[Дискретная_оптимизация | Дискретная оптимизация]]

||

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[Философия_науки_2017 | Философия науки]]

[[НИС_Распределенные_системы_(4_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Анализ неструктурированных данных]]

[[Байесовские методы машинного обучения 2017 | Байесовские методы машинного обучения]]

[[Функциональное программирование 2018 | Функциональное программирование]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

||

[[Современные методы машинного обучения (курс майнора) 2017/2018]]

[[Введение в программирование (курс майнора) 2017/2018]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2017-2018 | Введение в анализ данных (курс майнора)]]

[[Прикладные задачи анализа данных (майнор - весна 2018)]]

[[Маго-лего "Линейная алгебра в приложениях" весна 2018 | Линейная алгебра в приложениях (маго-лего)]]

[[Функциональный анализ 2017/18 | Функциональный анализ на ПМИ (факультатив)]]

[[Дополнительные главы теории вероятностей и математической статистики (факультативы) | Дополнительные главы теории вероятностей и математической статистики (факультативы)]]

[[Дополнительные главы дискретной математики 2017/18 | Дополнительные главы дискретной математики (факультатив)]]

[[Цифровые технологии в гуманитарных науках]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==

=== 2 семестр ===

[[Цифровая_грамотность_2018_(2_семестр)|Цифровая грамотность (факультет гуманитарных наук — 2 семестр: ИЯМК, Филология, История искусств, Культурология, 1 курс)]] 
[[Научно-исследовательский семинар (ФСН) |Научно-исследовательский семинар (ОП "Политология", 1 курс)]] 
[[Introduction_to_Data_Culture|Introduction to Data Culture (HSE and University of London Parallel Degree Programme in International Relations, 1 year)]] 
[[ИИ_и_БД|Искусственный интеллект и большие данные (ОП "Дизайн", "Мода", 1 курс)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 2 семестр)]] 
[[Основы анализа данных в международных отношениях|Основы анализа данных в международных отношениях (ОП "Международные отношения", 2 курс, 4 модуль)]] 
[[Введение в data science (2_семестр)|Профориентационный семинар (блок по введению в data scicence) (Факультет социальных наук — 2 семестр: Социология, 1 курс)]] 
[[Введение в Data Science| Введение в Data Science (ФБиМ, 4 модуль)]] 

=== 1 семестр ===

[[Цифровая_грамотность|Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)]] 
[[Машинное обучение (факультет экономических наук)|Машинное обучение (факультет экономических наук)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 1 семестр)]] 
[[Извлечение и анализ интернет-данных | Извлечение и анализ интернет-данных (факультет экономических наук)]] 
[[Анализ больших данных в социальных науках (ФСН, 2017) | Анализ больших данных в социальных науках (ФСН, 2017)]] 
[[Информационные_технологии_в_деятельности_юриста|Информационные технологии в деятельности юриста (Факультет права)]] 
[[Машинное_обучение_для_лингвистов|Машинное обучение (магистратура Школы лингвистики)]] 

== Курсы магистратуры Финансовые технологии и анализ данных ==

[[Вероятностные_модели_и_прикладная_статистика_в_финансовой_математике|Вероятностные модели и прикладная статистика в финансовой математике]]

[[Рекомендательные системы и поиск закономерностей в данных|Рекомендательные системы и поиск закономерностей в данных]]

== Courses of Data Science master program/Курсы магистерской программы "Науки о данных" ==

[[Introduction to Machine Learning and Data Mining |Introduction to Machine Learning and Data Mining 2019]]

[[Introduction to Machine Learning and Data Mining 2020 |Introduction to Machine Learning and Data Mining 2020]]

== Курсы за 2016/17 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3-4 курс !! майноры
|-
|

[[Математический анализ на ПМИ_2016/2017 | Математический анализ на ПМИ (пилотный поток)]]

[[Линейная алгебра и геометрия_2016/2017 | Линейная алгебра и геометрия на ПМИ]]

[[Дискретная_математика_1_2016/2017 | Дискретная математика-1 на ПМИ]]

[[Основы и методология программирования_2016/2017_пилотный_поток | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы и методология программирования_2016/2017 | Основы и методология программирования на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(пилотный_поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(основной_поток) | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2016/2017 | Алгебра на ПМИ]]

[http://hsealgebra17.wikidot.com/ Алгебра на ПИ]

||

[[Математический анализ_2016/2017 | Математический анализ-3 на ПМИ (основной поток)]]

[[Математически_анализ_3_на_ПМИ_(пилотный_поток) | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM_2_2016_2017 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Дискретная математика_2_2016/2017 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Алгоритмы и структуры данных_2_2016/2017 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Теория вероятностей_2016/2017 | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2016/2017_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы]]

[[Факультатив_теория_вычислений_2016/2017 | Факультатив теория вычислений на ПМИ]]

[[Дополнительные_главы_теории_вероятностей_(факультатив,_2017) | Дополнительные главы теории вероятностей (факультатив)]]

[[Дифференциальные_уравнения_(2_курс,_2016/2017) | Дифференциальные уравнения]]

[[Математическая_статистика_2016/2017_(пилотный_поток) | Математическая статистика на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы ]]

||

[[НИС_Машинное_обучение_и_приложения_2016/2017 | НИС Машинное обучение и приложения на ПМИ]]

[[Машинное_обучение_1/2016_2017 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2016_2017 | Машинное обучение 2 на ПМИ]]

[[Прикладной_статистический_анализ_данных | Прикладной статистический анализ данных на ПМИ]]

[[Численные_методы_в_анализе_данных | Численные методы в анализе данных на ПМИ]]

[http://www.machinelearning.ru/wiki/index.php?title=Статистика_случайных_процессов_(курс_лекций,_ФКН_ВШЭ) Вероятностные модели и статистика случайных процессов на ПМИ]

[http://www.machinelearning.ru/wiki/index.php?title=Opt Методы оптимизации на ПМИ (специализации МОП и РС)]

[[Методы_оптимизации_(весна_2017)|Методы оптимизации 2 (дискретная оптимизация)]]

[[НИС_Распределенные_системы_(осень_2016) | НИС Распределенные системы]]

[[Анализ и верификация алгоритмов биржевой торговли | Анализ и верификация алгоритмов для систем биржевой торговли ]]

[[Программирование_на_графических_процессорах | Программирование на графических процессорах]]

[[ЯРПО | Языки разработки ПО (курс по выбору) на ПМИ]]

[[Data analysis (Software Engineering) 2017 | Data analysis на ПИ]]

[[Базы данных 2 | Базы данных 2 ]]

[[Компьютерные сети 2 | Компьютерные сети 2]]

[[Машинное_обучение_на_больших_данных | Машинное обучение на больших данных на ПМИ]]

||

[[Современные_методы_машинного_обучения_(курс_майнора) | Современные методы машинного обучения (курс майнора)]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_программирование_2016/2017 | Введение в программирование (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2016-2017 | Введение в анализ данных (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных| Прикладные задачи анализа данных (курс майнора)]]

|}

{|width=100%
|style="vertical-align:top;"|



=== Курсы за 2015/16 учебный год ===
{|
|-
| [[Технологии программирования|Технологии программирования на ПМИ]]
|-
|[[ОиМП-2015|Основы и методология программирования на ПМИ]]
|-
|[[Алгоритмы и структуры данных 2016]]
|-
|[[Линейная алгебра и геометрия_2015/2016 | Линейная алгебра и геометрия на ПМИ]]
|-
|[[Алгебра_2015/2016 | Алгебра на ПМИ]]
|-
|[http://hsealgebra.wikidot.com/ Алгебра на ПИ]
|-
|[[Компьютерные системы]]
|-
|[[Математический анализ на ПМИ_2015/2016 | Математический анализ на ПМИ]]
|-
|[[Факультатив_Матпрактикум | Матпрактикум (факультатив) на ПМИ]]
|-
|[[Data analysis (Software Engineering)]] 
|-
|[[Майнор Интеллектуальный анализ данных/Введение в программирование|Введение в программирование (курс майнора) на ПМИ]]
|-
|[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2015-2016|Введение в анализ данных (курс майнора) на ПМИ]]
|-
|[[НИС Машинное обучение и приложения|НИС Машинное обучение и приложения на ПМИ]]
|-
|[[Архитектура компьютеров и системное программирование (ПМИ_4, 2015/2016)|Архитектура компьютеров и системное программирование (4 курс)]]
|-
|[[Дифференциальные уравнения (2 курс, 2015/2016)| Дифференциальные уравнения]]
|-
|[[Введение в VBA|Введение в VBA]]
|}

|style="vertical-align:top;"|



=== Курсы за 2014/15 учебный год ===
{|
|-
|[[Основы и методологии программирования]] 
|-
|[[Алгоритмы и структуры данных 2015 | Алгоритмы и структуры данных]] 
|-
|[[Анализ данных (Программная инженерия)]] 
|-
|[[Алгебра_2014/2015 | Алгебра]] 
|-
|[[Magolego_sna_2015| MAGoLEGO Social Network Analysis]]
|}

==== Проектная работа ====
{|
|-
|[[Проектная работа]] 
|-
|[[Учебная практика 1 курс (2016)]]
|-
|[[Проектная работа 2 курс (2016)]]
|}


|}

== Мероприятия факультета компьютерных наук ==
=== Summer School 2015 ===
[[Introduction to Natural Language Processing|Introduction to Natural Language Processing]]
#[[Lecture 1. Introduction|Introduction]]
#[[Lecture 2. Tokenization and word counts|Tokenization and word counts]]
#[[Lecture 3. POS tagging. Key word and phrase extraction|POS tagging. Key word and phrase extraction]]
#[[Lecture 4. Parsing|Parsing]]
#[[Lecture 5. Language sources|Language sources]]
#[[Lecture 6. Synonyms and near-synonyms detection|Synonyms and near-synonyms detection]]
#[[Lecture 8. Suffix trees for NLP|Suffix trees for NLP]]
#[[NLP References|References]]

== Архив ==
* [[Учебная практика 1 курс (2015)]]

Wiki ФКН

2021-09-06T14:16:41Z

Ilya Schurov:

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2021/22 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Математический_Анализ_1_на_ПМИ_2021/2022_(пилотный_поток) | Математический анализ 1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2021/2022_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[DM1-2021-22 | Дискретная математика на ПМИ]]

[http://math-info.hse.ru/s21/8 Прикладные дифференциальные уравнения]

'''ПИ'''

'''ПАД'''

[[Discrete Mathematics DSBA 2021/2022 | Discrete Mathematics (DSBA)]]

[[LAaG DSBA 2021/2022 | LAaG (DSBA)]]

'''КНАД'''

[[Математический_анализ_(КНАД) | Математический анализ (КНАД)]]

[[Линейная алгебра_(КНАД) | Линейная алгебра (КНАД)]]

||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2021/2022_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2021/2022_(основной_поток)| ТВиМС (основной поток)]]

[[Математический анализ 2021/2022 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

[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%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_-_2.1_(2021/22) Математический анализ - 2 (основной поток)]

[[MissingSemester2021/2022 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[Язык программирования C++ (углубленный курс) | Язык программирования C++ (углубленный курс)]]

[[Алгоритмы и структуры данных 2 2021 | Алгоритмы и структуры данных 2]]

'''ПАД'''

[[Discrete Mathematics 2 DSBA 2021/2022 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2021/22 | Business and Management in Global Context (DSBA)]]

||

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1]]

[[Theory of Computation 2021 | Theory of Computation]]

[http://wiki.cs.hse.ru/Psmo_21_22 Прикладная статистика в машинном обучении 21/22]

[https://osukhoroslov-hse.notion.site/082aef7073a844afa4c1bf718a773d77 Распределенные системы]

'''ПИ'''

[[ML4SE_1 | НИС Машинное обучение для программной инженерии]]

'''ПАД'''
||

[http://wiki.cs.hse.ru/%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC_21/22 Дизайн систем]

'''ПМИ / МОП'''

[[Statistical_learning_theory_2021 | Statistical learning theory]]

'''ПМИ / РС'''

[https://www.notion.so/osukhoroslov-hse/2-0cd36b67b9f64182bfeabcda9ede647a НИС Распределенные системы 2]

[[msbdp_21 | Методы и системы обработки больших данных]]

'''ПМИ / ТИ'''

[[InfTheory2021 | Теория информации]]

[[OWF2021 | Односторонние функции и их применения]]

||

[[Введение_в_программирование_21/22_(майнор_ИАД) | Введение в программирование 21/22 (майнор ИАД)]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%93%D0%B5%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_2020/21 Цифровая грамотность] || География глобальных измерений и геоинформационные технологии || 1 курс || 1-2 модули
|-
| [[Цифровая грамотность, Востоковедение 2021/2022| Цифровая грамотность]] || Востоковедение || 1 курс || 1-2 модули
|-
|[[Цифровая Грамотность ИКВиА 2021/2022 | Цифровая грамотность]] || ИКВиА || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция:частное право || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%8F_2020/2021 Цифровая грамотность] ||История || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_(%D1%84%D0%B8%D0%BB%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F)_2020 Цифровая грамотность] || Филология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2020-21_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Культурология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2019-2020_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Медиакоммуникации || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2019-2020(%D1%84%D0%B8%D0%BB%D0%BE%D1%81%D0%BE%D1%84%D0%B8%D1%8F) Цифровая грамотность] || Философия || 1 курс || 1-2 модуль
|-
| [http://wiki.cs.hse.ru/Основы_программирования_на_Python_осень_2021_матфак Основы программирования на Python] || Математика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_R,_%D0%A1%D0%BE%D1%86%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в R] || Социология || 4 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D0%9C%D0%A1%D0%90%D0%A0-2_2020 Методы анализа больших данных в исследованиях поведения покупателя] || Прикладные методы социального анализа рынков (магистратура) || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020 Машинное обучение] || Экономика || 3,4 курс || 1-2 модули
|-
| [[Программирование_ЭкСтат_ГП | Программирование на языке Python ]] || Городское планирование, Экономика и статистика || 3 курс || 1-2 модули
|-
| [[Основы анализа данных в международных отношениях 2021/2022 | Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85 Python извлечение и обработка данных] || Клеточная и молекулярная биотехнология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_Python_(%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_2020) Основы программирования в Python ] || Политология || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Основы_работы_с_данными:_сбор,_анализ,_визуализация_(ОП_%22Журналистика%22) Основы работы с данными: сбор, анализ, визуализация] || Журналистика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_Data_Science Data Science] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме (магистратура) || 1 курс || 2 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D1%81%D0%BE%D0%B2._%D0%B1%D0%B0%D0%BA._%D0%92%D0%A8%D0%AD-%D0%A0%D0%AD%D0%A8_2021) Машинное обучение] || Совместный бакалавриат НИУ ВШЭ и РЭШ || 3 курс || 1-2 модули
|-
|
|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Economics_and_Finance_2020-2021 Data Analysis in Economics and Finance] || Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Journalism_and_Political_Science_2020-2021 Data Analysis in Journalism and Political Science]|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D1%8B%D0%B5_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020_1%D0%BC%D0%BE%D0%B4%D1%83%D0%BB%D1%8C Прикладные исследования в культурологии] || Прикладная культурология (магистратура) || 1 курс || 1 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8 Программирование и теория алгоритмов] || Фундаментальная и компьютерная лингвистика || 3 курс || 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020 Нейросетевые методы в обработке текстов] || Фундаментальная и компьютерная лингвистика || 4 курс || 1, 2, 3 модули
|-

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
| [[Project_Seminar_2021_2022 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2021/22|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2021/22|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив =

== Курсы за 2020/21 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Математический_анализ_1_2020/2021_(пилотный_поток) | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2020/2021_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2020/2021_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2020/2021_(основной_поток) | Алгебра (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(пилотный_поток) | Основы и методология программирования на ПМИ 2020/2021 (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(основной_поток)_3_модуль | Основы и методология программирования на ПМИ 2020/2021 (основной поток, III модуль)]]

[[DM1-2020-21 | Дискретная математика-1 ПМИ]]

[[Алгоритмы_и_структуры_данных_1_2020/2021_(4_модуль) | Алгоритмы и структуры данных – 1 (4 модуль) на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 1 на ПМИ (пилотный поток)]]

'''ПИ'''

[[DM1-SE-2020-21 | Дискретная математика-1 ПИ]]

[http://hsealgebra21.wikidot.com/ Алгебра ПИ]

'''ПАД'''

[[Discrete_Mathematics_DSBA2020/2021 | Discrete Mathematics (DSBA) ]]

[[LAaG_DSBA_2020/2021 | Linear Algebra and Geometry (DSBA)]]

[[English_DSBA_2020/2021 | English DSBA (DSBA)]]

[[Introduction_to_programming_DSBA_2020/2021 | Introduction to Programming (DSBA)]]

[[ Calculus_2020/21 | Calculus (DSBA) ]]

[[Algebra_DSBA_2020/2021 | Algebra DSBA]]

[[Introduction_to_Economics_2020/21 | Introduction to Economics ]]

||
'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2020/2021_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2020/2021_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_анализ_2020/2021_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_-_2_(основной_поток) | Математический анализ - 2 на ПМИ (основной поток)]]

[[MissingSemester2020/2021 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[АКОС ПМИ 2020/2021 | Архитектура компьютеров и операционные системы]]

[[Основы матричных вычислений 2020/2021]]

[[Дифференциальные уравнения (ПМИ)]]

[[DM2-pilot2020/2021 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-base2020/2021 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных - 2 на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_2_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

'''ПАД'''

[[Calculus-2_DSBA_2020_(ПАД) | Calculus-2 (DSBA) ]]

[[Discrete_Mathematics_-_2_DSBA2020/2021 | Discrete Mathematics - 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2020/21 | Business and Management in Global Context (DSBA)]]

[[Principles_of_micro_and_macro-economics_2020/21 | Principles of micro and macro-economics (DSBA)]]

[[Algorithms_and_data_structures_2_2020/21 | Algorithms and data structures 2 (DSBA)]]

[[Statistics_DSBA_2020/2021 | Probability and Statistics (DSBA)]]

[[ACOS_DSBA_2020/2021 | Computer Architecture and Operating Systems (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

||

'''ПМИ'''

[[Машинное_обучение_1/2020_2021 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Прикладная статистика в машинном обучении 20/21]]

[[Безопасность компьютерных систем 20/21]]

[[Theory of computing, AMI]]

[[Матричные вычисления 20/21]]

[[НИС_Машинное_обучение_и_приложения_2020/2021|НИС Машинное обучение и приложения]]

[[Методы оптимизации в машинном обучении|Методы оптимизации в машинном обучении]]

[[Моделирование временных рядов 20/21]]

[[Высокопроизводительные вычисления 20/21]]

[[ Сбор и обработка данных с помощью краудсорсинга 20/21 ]]

[[ Распределённые системы ]]

[[ Компьютерные сети 2021 ]]

[[НИС_РС|НИС Распределенные системы]]

[[Анализ данных в бизнесе (Кафедра SAS)]]

[[Дополнительные главы прикладной статистики (2020/21)]]

[[Comb2020_2021 | Комбинаторные конструкции в теоретической информатике]]

[[Численные Методы 2021]]

[[Методы оптимизации 20/21]]

[[Математическое моделирование]]

'''ПАД'''

[[ MachineLearning1_DSBA2020 | Machine Learning 1 (DSBA)]]

[[ Time_Series_and_Stochastic_Processes_ada_20_21 | Time Series and Stochastic Processes (DSBA) ]]

[[ST2187 Business analytics, applied modelling and prediction | Business analytics, applied modelling and prediction (DSBA)]]

[[Data_Base_2020/2021_DSBA | Data Base (DSBA)]]

[[Social_History_of_Science_2020/21 | Social History of Science (DSBA)]]

[[Elements_of_Econometrics_2020/21 | Elements of Econometrics (DSBA)]]

[[Data Science Case Studies / Анализ данных в бизнесе (Кафедра SAS)]]

[[ Optimization_methods | Optimizaton Methods (DSBA) ]]

||

[[Философия_науки_2020 | Философия науки]]

[[Символьные вычисления]]

'''ПМИ / МОП'''

[[НИС_Машинное_обучение_и_приложения_2020/2021 | НИС Машинное обучение и приложения]]

[[Глубинное обучение в обработке звука 20/21]]

[[Байесовские методы машинного обучения 2020 | Байесовские методы машинного обучения]]

[[Машинное обучение на больших данных 2021]]

[[Генеративные модели в машинном обучении 2021 | Генеративные модели в машинном обучении 2021]]

'''ПМИ / РС'''

[[НИС_РС_2 | НИС Распределенные системы]]

[[msbdp_20 | Методы и системы обработки больших данных]]

[[ Облачные вычисления]]

'''ПМИ / ТИ'''

[[Statistical_learning_theory_2020 | Statistical learning theory]]

[[InfTheo2020-2021|Теория информации]]

[[A_Theorist's_Toolkit_2020_2021 | A Theorist's Toolkit, AMI]]

||

[[ Майнор Биоинформатика 1 год ]]

[[ Майнор Биоинформатика 2 год ]]

[[ Введение в программирование (майнор ИАД) ]]

[[Введение в анализ данных (майнор ИАД)]]

[[Современные_методы_машинного_обучения|Современные методы машинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных|Прикладные задачи анализа данных (майнор ИАД)]]

[[ ОУФ Машинное Обучение в Питоне ]]

[[ Факультатив "Теория вычислений и логика" (Осень 2020)]]

[[dopglavy_DM_2021|Допглавы дискретной математики]]

[[Adaptation_DM_20-21 |Adaptation course in DM]]

[[Функциональный анализ (осень 2020)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ Факультатив "Теория вычислений и логика" | Факультатив "Теория вычислений" (Весна 2021)]]

[[Дополнительные_главы_теории_вероятностей_2021 | ДГТВ]]

[[Дополнительные_главы_теории_вероятностей-3_2019/2020 | ДГТВ-3]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс
|-
| [[Stochastic_analysis_2020_2021 | Stochastic Analysis ]] || Statistical Learning Theory || 1 year
|-
| [[Econometrics_fall_2020 | Эконометрика ]] || ФТИАД || 1 year
|-
| [[Recsys_2020_2021 | Рекомендательные системы]] || ФТИАД|| 2 year
|-
| [[Into_to_DataMining_and_Machine_Learning_2020_2021 | Introduction to Data Mining and Machine Learning]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2020_2021 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Цифровая грамотность ИЯиМК 2020-2021|Цифровая грамотность ИЯиМК 2020-2021]] || ИЯиМК || 1 курс || 3-4 модули
|-
| [[Data Analysis in Python 2020-2021|Data Analysis in Python]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 2 курс || 3-4 модули
|-
| [[Машинное обучение на матфаке 2021 |Машинное обучение]] || Математика || 1-4 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/Анализ_данных_на_python,_фэн,_2020_spring Анализ данных на python] || Факультет экономических наук || 1 курс || 3-4 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 3-4 модули
|-
| [[Python для ОП "Психология" |Python для ОП "Психология" ]] ||Психология || 1 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_Python_2020-2021_%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в Python] || Политолгия || 3 курс || 3-4 модули
|-
| [[Цифровая грамотность История искусств 2020-2021]] || История искусств || 1 курс || 3-4 модули
|-
| [[Excel для анализа данных , 20-21|Excel для анализа данных , 20-21]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ СДиА_Матфак_1_курс_2020/2021 | Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[ Python для ГМУ, 20-21 | Python для ГМУ, 2020-2021 ]] || Государственное и муниципальное управление || 1 курс || 4 модуль
|-
| [[ Python для ИЯиМК, 2020-2021 | Python для ИЯиМК, 2020-2021 ]] || ИЯиМК || 2 курс || 4 модуль
|-
| [[ Информационные технологии (факультет химии) | Информационные технологии. Data Culture ]] || Химия || 2 курс || 4 модуль
|-
| [[ Введение_в_анализ_данных_2021_МирЭк | Введение в анализ данных ]] || МирЭк || 1 курс || 4 модуль
|-
| [[ Python для анализа данных (МирЭк) 2020-2021 | Python для анализа данных ]] || МирЭк || 2 курс || 3-4 модуль
|-

|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Основы программирования на Python осень 2020 матфак|Основы программирования на Python-1]] || Математика || 3 курс || 1-2 модули
|-
| [[Анализ_данных_в_Python_2020-2021|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы_анализа_и_визуализация_данных_для_медиа_2020/2021|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии 2020|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Проектный семинар медиаком 2020|Проектный семинар]] || Медиакоммуникации || 3 курс || 1 модуль
|-
| [[Основы анализа и визуализации данных ДИЯ 2020-2021|Основы анализа и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 1-2 модули
|-
| [[Основы программирования в Python (Политология 2020)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Data Analysis in Journalism and Political Science 2020-2021|Data Analysis in Journalism & Political Science]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Data Analysis in Economics and Finance 2020-2021|Data Analysis in Economics & Finance]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Прикладные исследования в культурологии 2020 1модуль|Прикладные исследования в культурологии]] || Прикладная культурология || 1 курс || 1 модуль
|-
| [[Основы анализа данных в международных отношениях 20/21|Основы анализа данных в международных отношениях 20/21]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Анализ данных в R, Социология|Анализ данных в R]] || Социология || 4 курс || 1-2 модуль
|-
| [[Анализ данных на python, фэн, 2020 fall|Анализ данных на Python]] || Факультет экономических наук || 2 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ЭиАМ|Цифровая грамотность, ЭиАМ]] || Эфиопия и арабский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, Античность|Цифровая грамотность, Античность]] || Античность || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ТиТМ|Цифровая грамотность, ТиТМ]] || Турция и Тюркский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность История 2020/2021|Цифровая грамотность, История]] || История || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_2020_(Востоковедение)|Цифровая грамотность, Востоковедение]] || Востоковедение || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_География_2020/21|Цифровая грамотность, География]] || География || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_(филология)_2020|Цифровая грамотность, Филология]] || Филология|| 1 курс || 1-2 модуль
|-
| [[Машинное_обучение_(сов._бак._ВШЭ-РЭШ_2020)|Машинное обучение]] || Совместная программа по экономике НИУ ВШЭ и РЭШ || 3 курс || 1-2 модуль
|-
| [[Машинное_обучение_(ФЭН)_-_2020|Машинное обучение]] || Экономика || 3-4 курс || 1-2 модуль
|-
| [[Python: работа с данными и текстом|Python: работа с данными и текстом]] || Медиакоммуникации || 2-3 курс || 1-2 модуль
|-
| [[Phyton_для_извлечения_и_обработки_данных|Phyton для извлечения и обработки данных]] || Молекулярная и клеточная биотехнология || 1 курс || 1-2 модуль
|-
| [[ПМСАР-2_2020| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Основы_программирования_на_Python2020/2021|Основы программирования на Python]] || Экономика и статистика || 2-3 курс || 1-2 модули
|-
| [[Извлечение и анализ интернет-данных (2020)|Извлечение и анализ интернет-данных]] || Экономика и статистика || 2-4 курс || 2 модуль

|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2020-2021|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[Эконометрика, фэн, 2020-2021|Эконометрика]] || фэн, 3 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2020-2021|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

=Архив=

== Курсы за 2019/20 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_1_2019/2020 | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток,_2_семестр) | Математический анализ на ПМИ (основной поток, 2 семестр)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Дискретная_математика_1_2019/2020 | Дискретная математика-1 на ПМИ]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2019/2020_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2019/2020_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_2019/2020 | Основы и методология программирования на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_1_2019/2020_(пилотный_поток) | Основы и методология программирования-1 на ПМИ (пилотный поток)]]

[[Discrete_Mathematics_DSBA2019/2020 | Discrete Mathematics DSBA (ПАД)]]

[[Calculus_DSBA2019/2020 | Calculus DSBA (ПАД) 1st module]]

[[Calculus_DSBA2020 | Calculus DSBA (ПАД) 2nd module]]

[[LAaG_DSBA_2019/2020 | Linear Algebra and Geometry (ПАД)]]

[[Introduction_to_programming_DSBA_2019/2020 | Introduction to Programming (ПАД)]]

[[English_DSBA_2019/2020 | English DSBA (ПАД)]]

[[Algorithms_and_Data_Structures_DSBA_2020 | Algorithms and Data Structures DSBA ]]

[[Algebra_DSBA_2019/2020 | Algebra DSBA]]

[[Алгоритмы_и_структуры_данных_1_основной_поток_2019/202 | Алгоритмы и структуры данных-1 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[[DM2-basic2019/2020 | Дискретная математика-2 на ПМИ (основной поток)]]

[[DM2-pilot2019/2020 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Теория_вероятностей_2019/2020_(основной_поток)| Теория_вероятностей_2019/2020 на ПМИ (основной поток)]]

[[Теория_вероятностей_и_математическая_статистика_2019/2020_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Математический_анализ_2019/2020_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2_2019/2020_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2019/2020 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Calculus_2_2019 | Calculus-2 DBSA (ПАД)]]

[[Statistics_DSBA_2019/2020 | Statistics DSBA (ПАД)]]

[[DM2 | Дискретная Математика-2 (ПАД)]]

[[ADS2 | Алгоритмы и Структуры Данных-2 (ПАД)]]

[[Introduction_to_Economics | Introduction to Economics DSBA ]]

[[Business_and_Management_in_Global_Context_2019-2020| Business and Management in Global Context DSBA ]]

[[ACOS_DSBA_2019/2020 | Computer Architecture and Operating Systems (ПАД)]]

[[Differential_Equations_2020 | Differential Equations DSBA ]]

[[Факультатив Теория вычислений_2020 | Факультатив Теория вычислений]]

[[Дифференциальные_уравнения_2020 | Дифференциальные уравнения 2020 ]]

||

[[Машинное_обучение_1/2019_2020 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2019_2020 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2020 | Численные методы]]

[[Прикладная_статистика_в_машинном_обучении(2019)|Прикладная статистика в машинном обучении]]

[[Theory_of_Computing_2019_2020 | Theory of Computing, AMI]]

[[Компьютерные_Сети | Компьютерные сети]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Непрерывная_оптимизация_(МОП)/2020| Непрерывная оптимизация (МОП)]]

[[%D0%9D%D0%B5%D0%BF%D1%80%D0%B5%D1%80%D1%8B%D0%B2%D0%BD%D0%B0%D1%8F_%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_(%D0%A2%D0%98,_%D0%90%D0%94%D0%98%D0%A1,_%D0%90%D0%9F%D0%A0,_%D0%A0%D0%A1)| Непрерывная оптимизация (ТИ, АДИС, АПР, РС) ]]

[[Data_analysis_(Software_Engineering)_2020|Data Analysis]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[CCTI_2020|Сложность вычислений и логика в теоретической информатике]]

||

[[InfTheo2019-2020|Теория информации]]

[[Байесовские_методы_машинного_обучения_2019|Байесовские методы машинного обучения]]

[[НИС Науки о данных]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Философия_науки_2019|Философия науки]]

[[Глубинное обучение|Глубинное обучение]]

[[NLP 2019|NLP Анализ данных]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Генеративные_модели_в_машинном_обучении_2020|Генеративные модели в машинном обучении]]

[[Компьютерные Сети 4 курс| Компьютерные сети]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[Машинное_обучение_на_больших_данных_2020|Машинное обучение на больших данных]]

[[Основы_обработки_больших_данных_2020|Основы обработки больших данных]]

||
[[MinorBioinformatics|Биоинформатика]]

[[Майнор Интеллектуальный анализ данных/Современные_методы_машинного_обучения | Современные методы машинного обучения (ИАД)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ISDElective|Факультатив "Методы разработки программного обеспечения" (1-2 модули)]]

[[Введение в программирование (курс майнора)]]

[[dopglavy_DM_1920|Допглавы дискретной математики]]

[[Дополнительные_главы_теории_вероятностей-2_2019/2020|ДГТВ-2]]

[[Дополнительные_главы_теории_вероятностей_2020|ДГТВ]]

[[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020|Введение в анализ данных (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных_(майнор_ИАД)|Прикладные задачи анализа данных (майнор ИАД)]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс

|-
| [[Theory_of_Computing_2019_2020 | Theory of Computing]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Project_Seminar_2019_2020 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Stochastic_analysis_2019_2020 | Stochastic Calculus ]] || Statistical Learning Theory || 1 year
|-
| [[A_Theorist's_Toolkit_2019_2020 | A Theorist's Toolkit, AMI]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Neurobayesian_models_2020 | Neurobayesian models ]] || Statistical Learning Theory || 2 year
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|- http://wiki.cs.hse.ru/Цифровая_грамотность_(филология)_2020#.F0.9F.93.AC_.D0.A7.D0.B0.D1.82.D1.8B_.D0.B3.D1.80.D1.83.D0.BF.D0.BF
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Введение в анализ данных 2020 МирЭк| Введение в анализ данных]] || Мировая экономика || 1 курс || 3-4 модуль
|-
|[[ Основы программирования в Python (Мирэк) | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ИЯиМК| Цифровая грамотность ]] || Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[ Цифровая_грамотность_(филология)_2020| Цифровая грамотность ]] || Филология || 1 курс || 3-4 модуль
|-
| [[Цифровая_грамотность_(ФиКЛ)_2020| Цифровая грамотность ]] || Фундаментальная и компьютерная лингвистика || 1 курс || 4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (История искусств)| Цифровая грамотность ]] || История искусств || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (Культурология)| Цифровая грамотность ]] || Культурология || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛ_ЮВА| Цифровая грамотность ]] || Языки и литература Юго-Восточной Азии || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛЯ| Цифровая грамотность ]] || Языки и литература Японии || 1 курс || 3-4 модуль
|-
| [[ ППО Социология 1 курс 2019/2020| ППО (Python для извлечения и обработки данных) ]] || Социология || 1 курс || 3 модуль
|-
|[[ Машинное обучение на матфаке 2020 | Машинное обучение]] || Математика || 2-4 курс || 3-4 модуль
|-
|[[ Excel для анализа данных | Excel для анализа данных]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 2 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 2 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 1 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 1 курс || 4 модуль
|-
| [[ СДиА Матфак 1 курс 2019/2020| Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Наука о данных (Экономика)|Наука о данных]] || Экономика || 2 курс || 3-4 модули
|-
| [[Основы программирования на Python весна 2021 матфак|Основы программирования на Python, 2 часть]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Культура работы с данными, КМБТ|Культура работы с данными, КМБТ]] || Клеточная и молекулярная биотехнология || 1 курс || 3-4 модули
|-
| [[Natural_Language_Processing_Blended_2020_module4 | Natural Language Processing (blended)]] || Прикладная политология || 1 г.о. || 4 модуль
|-
| [[ПМСАР-1 2019/2020|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Введение в Data Science]] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме || 1 г.о. || 3 модуль
|-
| [[Принципы построения математических моделей]] || МИЭМ || 1 г.о. || 4 модуль
|-
| [[Python для извлечения и обработки данных Психология 1 курс 2019/2020]] || Психология || 1 г.о. || 4 модуль
|-
| [[Технологии анализа больших данных ГМУ 1 курс 2019/2020]] || ГМУ || 1 г.о. || 4 модуль
|-
| [[Городское планирование | Цифровая грамотность]] || Городское планирование || 1 г.о. || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[ Основы анализа и визуализация данных для медиа 2019/2020 | Основы анализа и визуализации данных для медиа ]] || Журналистика || 4 курс || 1 модуль
|-
| [[ Анализ данных в Python 2019-2020 | Анализ данных в Python ]] || Политология || 4 курс || 1-2 модули
|-
| [[Introduction to Data Culture 2019-2020 | Introduction to Data Culture ]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[ Основы анализа данных в международных отношениях | Основы анализа данных в международных отношениях ]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Основы программирования в Python (Политология)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Основы программирования на Python осень 2019 матфак|Основы программирования на Python-1]] || Математика || 1-4 курс || 1-2 модули
|-
| [[ Цифровая грамотность (История 2019) | Цифровая грамотность ]] || История || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (Востоковедение 2019) | Цифровая грамотность ]] || Востоковедение|| 1 курс || 1-2 модули
|-
| [[ Цифровая_грамотность_2019-2020(философия) | Цифровая грамотность ]] || Философия || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (ассириология и античность 2019) | Цифровая грамотность ]] || Ассириология и античность|| 1 курс || 1-2 модули
|-
| [[ПМСАР-2_2019| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Работа с данными]] || Медиакоммуникации || 4 курс || 1 модуль
|-
| [[Машинное обучение (фэн 2019)]] || ФЭН || 3 курс || 1-2 модули
|-
| [[Natural_Language_Processing_Blended_2019_module1 | Natural Language Processing (blended)]] || Прикладная политология || 2 г.о. || 1 модуль
|-
| [[ ML_HSE_NES_2019 | Машинное обучение (ВШЭ-РЭШ)]] || Совместный бакалавриат ВШЭ-РЭШ || 3-4 курс || 1-2 модули
|-
| [[ Основы_анализа_и_визуализации_данных_ДИЯ_2019/2020 | Основы анализа и визуализации данных ]] || ДИЯ || 2 курс || 1,2 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_на_Python2019/2020|Основы программирования на Python]] || Экономика и статистика || 2-4 курс || 2 модуль
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2019-2020|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 3-4 модуль
|-
| [[Микроэконометрика качественных данных, фэн, 2020|Микроэконометрика качественных данных 2020]] || фэн, 4 курс || 1-2 модуль
|}

== Курсы за 2018/19 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2018/2019_(пилотный_поток) | Математический анализ на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2018/2019_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Calculus_DSBA_2018/2019 | Calculus I DSBA (ПАД)]]

[[Основы_и_методология_программирования_на_ПМИ_2018/2019_(пилотный_поток) | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2019_(С%2B%2B,_основной_поток) | Основы и методология программирования на ПМИ (С++, основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[LAaG_DSBA_2018/2019 | LAaG DSBA]]

[[Дискретная_математика_1_2018/2019 | Дискретная математика-1 на ПМИ]]

[[Discrete_Mathematics_DSBA2018/2019 |Discrete Mathematics DSBA (ПАД)]]

[[Introduction_to_programming | Introduction to programming DSBA (ПАД)]]

[[Introduction_to_programming_2 | Introduction to programming 2 DSBA (ПАД)]]

[[Алгебра_на_ПМИ_2018/2019_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2018/2019_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Algebra_DSBA_2018/2019 | Algebra DSBA]]

[http://hsealgebra19.wikidot.com Алгебра на ПИ]

[[Алгоритмы_и_структуры_данных_2018/2019 | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[http://math-info.hse.ru/2018-19/Дифференциальные_уравнения_(ФКН) Дифференциальные уравнения]

[[Теория_вероятностей_2018/2019_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2018/2019_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[DM2-pilot2018/2019 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-basic2018/2019 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2018/2019 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Факультатив Теория вычислений]]

||

[[Машинное_обучение_1/2018_2019 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2018 | Численные методы ]]

[[PDC | Параллельные и распределенные вычисления]]

[[Theory_of_Computing_2018_2019 | Theory of Computing, AMI]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[Прикладная_статистика_в_машинном_обучении(2018)|Прикладная статистика в машинном обучении]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Основные методы анализа данных]]

[[Теория баз данных]]

[[Непрерывная оптимизация/2019|Непрерывная оптимизация (161-162)]]

[[Непрерывная оптимизация (163-167)]]

[[Сложность вычислений и логика в теоретической информатике]]

[[Data analysis (Software Engineering) 2019|Data analysis]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

[[Intro to DL Blended | Intro to DL Blended]]

[[Дискретная оптимизация 2019 | Дискретная оптимизация 2019]]

||

[[Statistical_learning_theory_2018_2019 | Introduction to statistical learning theory]]

[[Анализ_неструктурированных_данных-2018 |Анализ неструктурированных данных ]]

[[Байесовские_методы_машинного_обучения_2018|Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[НИС_Науки_о_данных_2018/2019|НИС Науки о данных]]

[[НИС_Распределенные_системы_(4_курс,_2018)|НИС Распределенные системы]]

[[Теория_Информации_2018/2019|Теория информации]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Методы_и_системы_обработки_больших_данных_(осень_2018)|Методы и системы обработки больших данных]]

[[Философия_науки_2018|Философия науки]]

[[Теория баз данных]]

[[ConvAppr19 | Выпуклое программирование и аппроксимационные алгоритмы (ТИ)]]

[[Функциональное программирование 2019 | Функциональное программирование]]

[[A_Theorist's_Toolkit_2018_2019 | A Theorist's Toolkit, AMI]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

||
[[Дополнительные главы теории вероятностей 2019 | Дополнительные главы теории вероятностей 2019]]

[[Дополнительные главы математической статистики 2019 | Дополнительные главы математической статистики 2019]]

[[Введение в программирование (курс майнора) 2018/2019]]

[[dopglavy_DM_1819|Допглавы дискретной математики]]

[[Современные_методы_машинного_обучения_(курс_майнора)_2018/2019 | Современные методы машинного обучения (курс майнора) 2018/2019]]

[[Прикладные_задачи_анализа_данных_(майнор_-_весна_2019) | Прикладные задачи анализа данных (майнор - весна 2019)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных | Введение в анализ данных (курс майнора)]]

[[Функциональный анализ (весна_2019) | Функциональный анализ (весна_2019)]]

[[KotlinElective| Язык Kotlin (3 и 4 модули 2018-2019)]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы программирования на Python весна 2020 матфак|Основы программирования на Python-2]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(филология)|Цифровая грамотность]] || Филология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИИ_и_культурология)|Цифровая грамотность]] || История искусств и Культурология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИЯМК_2019)|Цифровая грамотность]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 1 курс || 3-4 модули
|-
| [[Основы_анализа_и_визуализации_данных_ДИЯ_2019|Анализ и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 3-4 модули
|-
| [[Научно-исследовательский_семинар_2019| Научно-исследовательский семинар]] || Политология || 1 курс || 3 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_в_Python_2019|Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модули
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[ПМСАР-1|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Искусственный интеллект и большие данные_(2019)|Искусственный интеллект и большие данные]] || Дизайн, Мода, Современное искусство || 1 курс || 3-4 модули
|-
| [[Информационный менеджмент: Введение в Data Science|Информационный менеджмент: Введение в Data Science]] || Управление бизнесом Маркетинг и рыночная аналитика || 1 курс || 4 модуль
|-
| [[Технологии анализа больших данных|Технологии анализа больших данных]] || ГМУ || 1 курс || 4 модуль
|-
| [[Основы программирования на Python (Прикладное программное обеспечение)|Основы программирования на Python (Прикладное программное обеспечение)]] || Социология || 1 курс || 4 модуль
|-
| [[Основы работы с данными|Основы работы с данными]] || Медиакоммуникации || 2 курс || 4 модуль
|-
| [[Введение_в_data_science_Социология_1_курс|Профориентационный семинар (Data Culture)]] || Социология || 1 курс || 4 модуль
|-
| [[Введение_в_анализ_данных_МирЭк_2019|Введение в анализ данных]] || Мировая экономика || 1 курс || 4 модуль

|}

=== 1 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы анализа данных в международных отношениях 2018/2019|Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [[Introduction_to_Data_Culture_2018-2019|Introduction to Data Culture]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Цифровая грамотность(востоковедение)|Цифровая грамотность]] || Востоковедение || 1 курс || 1 модуль
|-
| [[Разработка управленческих решений в маркетинге | Разработка управленческих решений в маркетинге]] || Маркетинг и рыночная аналитика || 2 курс || 1-2 модули
|-
| [[Информационные технологии в деятельности юриста_2018-2019| Информационные технологии в деятельности юриста]] || Юриспруденция || 1 курс || 2 модуль
|-
| [[Машинное обучение на матфаке 2018/2019| Машинное обучение]] || Факультет математики || 2-4 курсы || 1-2 модули
|-
| [[ПМСАР-2| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Анализ данных в Python (Политологи 1 семестр 1-2 модули)|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы анализа и визуализации данных для медиа (Журналисты 1 семестр 1 модуль)|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Введение в анализ текстов на Python для ФГН 2018|Введение в анализ текстов на Python для ФГН 2018]] || Фундаментальная и компьютерная лингвистика || 3 курс || 1, 2, 4 модули
|-
| [[Машинное обучение (ФЭН)]] || Факультет экономических наук || 3-4 курсы || 1-2 модули
|-
| [[Программирование_(python)_для_экономистов|Программирование (Python) для экономистов]] || Факультет экономических наук || 2 курс || 1-2 модули
|-
| [[Цифровая грамотность(философия)|Цифровая грамотность]] || Философия || 1 курс || 1-2 модули
|-
| [[Цифровая_грамотность_(историки)|Цифровая грамотность]] || История || 1 курс || 1-2 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 1-2 модули
|-
| [[Статистический анализ в среде R (Социологи 1 семестр 2 модуль)|Статистический анализ в среде R ]] || Социология || 4 курс || 2 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|}

==Courses of the Statistical Learning Theory program==
[[Neurobayesian_models_2019|Neurobayesian models]]

== Курсы за 2017/18 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2017/2018_(пилотный_поток) | Математический анализ на ПМИ 2017/2018 (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2017/2018_(основной_поток) | Математический анализ на ПМИ 2017/2018 (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(пилотный_поток,_1_модуль) | Основы и методология программирования на ПМИ 2017/2018 (пилотный поток, 1 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_2_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 2 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_3_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 3 модуль)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_2017/2018_(основной_поток) | Алгоритмы и структуры данных на ПМИ 2017/2018 (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Дискретная_математика_1_2017/2018 | Дискретная математика-1 на ПМИ]]

[[Алгоритмы и структуры данных 1 | Алгоритмы и структуры данных – 1 (пилотный поток)]]

[[Алгебра_на_ПМИ_2017/2018 | Алгебра на ПМИ]]

[http://hsealgebra18.wikidot.com Алгебра на ПИ]

||
[[Теория_вероятностей_2017/2018_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2017/2018_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический анализ-3 на ПМИ_2017/2018_(основной_поток) | Математический анализ-2 на ПМИ (основной поток)]]

[[Математический анализ на ПМИ_2017/2018 | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM2-pilot2017/2018 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM_2_2017_2018 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы и структуры данных_2_2017/2018 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Дифференциальные уравнения (2 курс, 2017/2018)| Дифференциальные уравнения]]

||
[[Машинное_обучение_1/2017_2018 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2017_2018 | Машинное обучение 2 на ПМИ]]

[[Численные_методы_2017 | Численные методы]]

[[Statistics of Stochastic Processes|Статистика случайных процессов 2018]]

[[Прикладная_статистика_в_машинном_обучении | Прикладная статистика в машинном обучении]]

[[Theory_of_Computing | Theory of Computing, AMI]]

[[Statistical_learning_theory | Introduction to statistical learning theory]]

[[Основные_методы_анализа_данных_(специализация_АДИС) | Основные методы анализа данных на ПМИ]]

[[Анализ неструктурированных данных]]

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[НИС_Распределенные_системы_(3_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Непрерывная_оптимизация | Непрерывная оптимизация]]

[[ Сложность_и_логика| Сложность вычислений и логика в теоретической информатике]]

[[Data_analysis_(Software_Engineering)_2018 | Data Analysis на ПИ]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

[http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных Машинное обучение на больших данных]

[[Дискретная_оптимизация | Дискретная оптимизация]]

||

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[Философия_науки_2017 | Философия науки]]

[[НИС_Распределенные_системы_(4_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Анализ неструктурированных данных]]

[[Байесовские методы машинного обучения 2017 | Байесовские методы машинного обучения]]

[[Функциональное программирование 2018 | Функциональное программирование]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

||

[[Современные методы машинного обучения (курс майнора) 2017/2018]]

[[Введение в программирование (курс майнора) 2017/2018]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2017-2018 | Введение в анализ данных (курс майнора)]]

[[Прикладные задачи анализа данных (майнор - весна 2018)]]

[[Маго-лего "Линейная алгебра в приложениях" весна 2018 | Линейная алгебра в приложениях (маго-лего)]]

[[Функциональный анализ 2017/18 | Функциональный анализ на ПМИ (факультатив)]]

[[Дополнительные главы теории вероятностей и математической статистики (факультативы) | Дополнительные главы теории вероятностей и математической статистики (факультативы)]]

[[Дополнительные главы дискретной математики 2017/18 | Дополнительные главы дискретной математики (факультатив)]]

[[Цифровые технологии в гуманитарных науках]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==

=== 2 семестр ===

[[Цифровая_грамотность_2018_(2_семестр)|Цифровая грамотность (факультет гуманитарных наук — 2 семестр: ИЯМК, Филология, История искусств, Культурология, 1 курс)]] 
[[Научно-исследовательский семинар (ФСН) |Научно-исследовательский семинар (ОП "Политология", 1 курс)]] 
[[Introduction_to_Data_Culture|Introduction to Data Culture (HSE and University of London Parallel Degree Programme in International Relations, 1 year)]] 
[[ИИ_и_БД|Искусственный интеллект и большие данные (ОП "Дизайн", "Мода", 1 курс)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 2 семестр)]] 
[[Основы анализа данных в международных отношениях|Основы анализа данных в международных отношениях (ОП "Международные отношения", 2 курс, 4 модуль)]] 
[[Введение в data science (2_семестр)|Профориентационный семинар (блок по введению в data scicence) (Факультет социальных наук — 2 семестр: Социология, 1 курс)]] 
[[Введение в Data Science| Введение в Data Science (ФБиМ, 4 модуль)]] 

=== 1 семестр ===

[[Цифровая_грамотность|Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)]] 
[[Машинное обучение (факультет экономических наук)|Машинное обучение (факультет экономических наук)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 1 семестр)]] 
[[Извлечение и анализ интернет-данных | Извлечение и анализ интернет-данных (факультет экономических наук)]] 
[[Анализ больших данных в социальных науках (ФСН, 2017) | Анализ больших данных в социальных науках (ФСН, 2017)]] 
[[Информационные_технологии_в_деятельности_юриста|Информационные технологии в деятельности юриста (Факультет права)]] 
[[Машинное_обучение_для_лингвистов|Машинное обучение (магистратура Школы лингвистики)]] 

== Курсы магистратуры Финансовые технологии и анализ данных ==

[[Вероятностные_модели_и_прикладная_статистика_в_финансовой_математике|Вероятностные модели и прикладная статистика в финансовой математике]]

[[Рекомендательные системы и поиск закономерностей в данных|Рекомендательные системы и поиск закономерностей в данных]]

== Courses of Data Science master program/Курсы магистерской программы "Науки о данных" ==

[[Introduction to Machine Learning and Data Mining |Introduction to Machine Learning and Data Mining 2019]]

[[Introduction to Machine Learning and Data Mining 2020 |Introduction to Machine Learning and Data Mining 2020]]

== Курсы за 2016/17 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3-4 курс !! майноры
|-
|

[[Математический анализ на ПМИ_2016/2017 | Математический анализ на ПМИ (пилотный поток)]]

[[Линейная алгебра и геометрия_2016/2017 | Линейная алгебра и геометрия на ПМИ]]

[[Дискретная_математика_1_2016/2017 | Дискретная математика-1 на ПМИ]]

[[Основы и методология программирования_2016/2017_пилотный_поток | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы и методология программирования_2016/2017 | Основы и методология программирования на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(пилотный_поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(основной_поток) | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2016/2017 | Алгебра на ПМИ]]

[http://hsealgebra17.wikidot.com/ Алгебра на ПИ]

||

[[Математический анализ_2016/2017 | Математический анализ-3 на ПМИ (основной поток)]]

[[Математически_анализ_3_на_ПМИ_(пилотный_поток) | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM_2_2016_2017 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Дискретная математика_2_2016/2017 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Алгоритмы и структуры данных_2_2016/2017 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Теория вероятностей_2016/2017 | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2016/2017_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы]]

[[Факультатив_теория_вычислений_2016/2017 | Факультатив теория вычислений на ПМИ]]

[[Дополнительные_главы_теории_вероятностей_(факультатив,_2017) | Дополнительные главы теории вероятностей (факультатив)]]

[[Дифференциальные_уравнения_(2_курс,_2016/2017) | Дифференциальные уравнения]]

[[Математическая_статистика_2016/2017_(пилотный_поток) | Математическая статистика на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы ]]

||

[[НИС_Машинное_обучение_и_приложения_2016/2017 | НИС Машинное обучение и приложения на ПМИ]]

[[Машинное_обучение_1/2016_2017 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2016_2017 | Машинное обучение 2 на ПМИ]]

[[Прикладной_статистический_анализ_данных | Прикладной статистический анализ данных на ПМИ]]

[[Численные_методы_в_анализе_данных | Численные методы в анализе данных на ПМИ]]

[http://www.machinelearning.ru/wiki/index.php?title=Статистика_случайных_процессов_(курс_лекций,_ФКН_ВШЭ) Вероятностные модели и статистика случайных процессов на ПМИ]

[http://www.machinelearning.ru/wiki/index.php?title=Opt Методы оптимизации на ПМИ (специализации МОП и РС)]

[[Методы_оптимизации_(весна_2017)|Методы оптимизации 2 (дискретная оптимизация)]]

[[НИС_Распределенные_системы_(осень_2016) | НИС Распределенные системы]]

[[Анализ и верификация алгоритмов биржевой торговли | Анализ и верификация алгоритмов для систем биржевой торговли ]]

[[Программирование_на_графических_процессорах | Программирование на графических процессорах]]

[[ЯРПО | Языки разработки ПО (курс по выбору) на ПМИ]]

[[Data analysis (Software Engineering) 2017 | Data analysis на ПИ]]

[[Базы данных 2 | Базы данных 2 ]]

[[Компьютерные сети 2 | Компьютерные сети 2]]

[[Машинное_обучение_на_больших_данных | Машинное обучение на больших данных на ПМИ]]

||

[[Современные_методы_машинного_обучения_(курс_майнора) | Современные методы машинного обучения (курс майнора)]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_программирование_2016/2017 | Введение в программирование (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2016-2017 | Введение в анализ данных (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных| Прикладные задачи анализа данных (курс майнора)]]

|}

{|width=100%
|style="vertical-align:top;"|



=== Курсы за 2015/16 учебный год ===
{|
|-
| [[Технологии программирования|Технологии программирования на ПМИ]]
|-
|[[ОиМП-2015|Основы и методология программирования на ПМИ]]
|-
|[[Алгоритмы и структуры данных 2016]]
|-
|[[Линейная алгебра и геометрия_2015/2016 | Линейная алгебра и геометрия на ПМИ]]
|-
|[[Алгебра_2015/2016 | Алгебра на ПМИ]]
|-
|[http://hsealgebra.wikidot.com/ Алгебра на ПИ]
|-
|[[Компьютерные системы]]
|-
|[[Математический анализ на ПМИ_2015/2016 | Математический анализ на ПМИ]]
|-
|[[Факультатив_Матпрактикум | Матпрактикум (факультатив) на ПМИ]]
|-
|[[Data analysis (Software Engineering)]] 
|-
|[[Майнор Интеллектуальный анализ данных/Введение в программирование|Введение в программирование (курс майнора) на ПМИ]]
|-
|[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2015-2016|Введение в анализ данных (курс майнора) на ПМИ]]
|-
|[[НИС Машинное обучение и приложения|НИС Машинное обучение и приложения на ПМИ]]
|-
|[[Архитектура компьютеров и системное программирование (ПМИ_4, 2015/2016)|Архитектура компьютеров и системное программирование (4 курс)]]
|-
|[[Дифференциальные уравнения (2 курс, 2015/2016)| Дифференциальные уравнения]]
|-
|[[Введение в VBA|Введение в VBA]]
|}

|style="vertical-align:top;"|



=== Курсы за 2014/15 учебный год ===
{|
|-
|[[Основы и методологии программирования]] 
|-
|[[Алгоритмы и структуры данных 2015 | Алгоритмы и структуры данных]] 
|-
|[[Анализ данных (Программная инженерия)]] 
|-
|[[Алгебра_2014/2015 | Алгебра]] 
|-
|[[Magolego_sna_2015| MAGoLEGO Social Network Analysis]]
|}

==== Проектная работа ====
{|
|-
|[[Проектная работа]] 
|-
|[[Учебная практика 1 курс (2016)]]
|-
|[[Проектная работа 2 курс (2016)]]
|}


|}

== Мероприятия факультета компьютерных наук ==
=== Summer School 2015 ===
[[Introduction to Natural Language Processing|Introduction to Natural Language Processing]]
#[[Lecture 1. Introduction|Introduction]]
#[[Lecture 2. Tokenization and word counts|Tokenization and word counts]]
#[[Lecture 3. POS tagging. Key word and phrase extraction|POS tagging. Key word and phrase extraction]]
#[[Lecture 4. Parsing|Parsing]]
#[[Lecture 5. Language sources|Language sources]]
#[[Lecture 6. Synonyms and near-synonyms detection|Synonyms and near-synonyms detection]]
#[[Lecture 8. Suffix trees for NLP|Suffix trees for NLP]]
#[[NLP References|References]]

== Архив ==
* [[Учебная практика 1 курс (2015)]]

Машинное обучение на матфаке 2021

2021-05-26T16:39:17Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

Лекции проходят по четвергам в 11:10-12:30.

== Полезные ссылки ==
* [https://t.me/joinchat/TeVup2Jtu2HLYNJF Чат курса]
* [https://t.me/joinchat/TdD3SkCWxQdMTZLi Телеграм канал с объявлениями]
* [https://anytask.org/course/773 Курс на Anytask]
* [https://github.com/ischurov/math-ml-2021-public/ GitHub репозиторий с материалами курса]
* [https://www.hse.ru/edu/courses/316533676 РПУД]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание
|-
| 1 || [https://tlg.name/Saigetsu Руслан Хайдуров] || [https://tlg.name/bekemax Максим Бекетов] || пятница 13:00-14:20
|-
| 2 || [https://tlg.name/svdcvt Соня Дымченко] || [https://tlg.name/pavle_us Павел Егоров] || четверг 13:00-14:20
|-
|}

=== Система оценивания ===
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Новости курса ==
[https://t.me/joinchat/TdD3SkCWxQdMTZLi Телеграм канал с объявлениями]

== Лекции ==
{| class="wikitable"
|-
! № !! Дата !! Название !! Видео !! Дополнительные материалы
|-
| 1 || 14 января || Введение в ml, постановки задач, виды данных || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 видео] ||
|-
| 2 || 21 января || [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Статистическая теория принятия решений] || [https://www.youtube.com/watch?v=N79imD4BVZM видео] ||
|-
| 3 || 28 января || [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ Шум, смещение, разброс] || [https://youtu.be/C3P0PPQYsSs видео] ||
|-
| 4 || 4 февраля || [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/ Линейные модели] || [https://youtu.be/K5eVQXW7GhI видео] ||
|-
| 5 || 11 февраля || [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/ Линейные модели (продолжение)] || [https://youtu.be/lDdZZr8ImBM видео] ||
|-
| 6 || 18 февраля || Линейная и логистическая регрессии || [https://youtu.be/mFrFDXqkcOo видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 7 || 25 февраля || Логистическая регрессия (продолжение) || [https://youtu.be/yHLtkTJs4Vk видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 8 || 4 марта || SVM и решающие деревья || [https://youtu.be/QBZSD7wUR_s видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 9 || 11 марта || Решающие леса || [https://youtu.be/Yo2-qB7vqOo видео] || Конспекты Е. Соколова [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 10 || 18 марта || Градиентный бустинг || [https://youtu.be/gYTcMpNM2GU видео] || Конспекты Е. Соколова [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|-
| 11 || 25 марта || Нейронные сети || [https://youtu.be/vd_QZaBWPUI видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения]. Дополнительный материал: [http://neuralnetworksanddeeplearning.com/chap4.html теорема об универсальной аппроксимации] (англ.),
|-
| 12 || 8 апреля || Сверточные нейронные сети || [https://youtu.be/GCIdWzAUsmI видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения], дополнительный материал: [http://cs231n.github.io/convolutional-networks/ convolutional networks] (англ.)
|-
| 13 || 15 апреля || Рекурентные нейронные сети || [https://youtu.be/-kxYP7a2pTA видео] || [https://colah.github.io/posts/2015-08-Understanding-LSTMs/ Understanding LSTM Networks]
|-
| 14 || 22 апреля || Продвинутая обработка естественного языка || [https://youtu.be/5wgwpKJsTh8 видео] ||
|-
| 15 || 29 апреля || Знакомство с unsupervised learning. Алгоритмы кластеризации: K-means, спектральная кластеризация, иерархическая кластеризация. Разделение гауссовых смесей, EM-алгоритм. || [https://youtu.be/xpYbADpXlwQ видео] ||
|-
| 16 || 13 мая || SVD-разложение и метод главных компонент || [https://youtu.be/ucnEhbEjLoQ видео] ||
|-
| 17 || 20 мая || Применение матричных разложений в рекомендательных системах. Автокодировщики || [https://youtu.be/1FwYdt9KuIM видео] ||
|}

== Семинары ==
{| class="wikitable"
|-
! № !! Дата !! Название !! Материалы !! Видео
|-
| 1 || 14/15 января || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2021-public/blob/main/seminars/sem01_intro.ipynb github] [https://colab.research.google.com/drive/1XG7P1oMK2bpv7gGPk_mTV39YCyUVOFaj?usp=sharing colab] || [https://www.youtube.com/watch?v=RYvDFiMAdtc&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=1 семинар Сони Дымченко]
|-
| 2 || 21/22 января || Алгоритм K ближайших соседей (k-NN) || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem02_knn1/sem02_knn1.ipynb github] [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/sem02_knn1/sem02_knn1.ipynb nbviewer] [https://colab.research.google.com/drive/1v5IIKV5JWFbmeGguDClqiF9RPo4wXYvM#scrollTo=RvWMp_5Z3dzd colab]|| [https://youtu.be/P87X5W9KX-8 семинар Сони Дымченко], [https://youtu.be/qp-lEX6DTV4 семинар Ильи Щурова]
|-
| 3 || 28/29 января || Разложение ошибки на смещение и разброс, кросс-валидация, проклятие размерности, KNN из коробки (продолжение) || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem03_knn2/sem03_knn2.ipynb github] || [https://youtu.be/uZYcrP1ulrY семинар Руслана Хайдурова]
|-
| 4|| 4/5 февраля || Линейная регрессия, градиентный спуск, метрика качества R^2 || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem04_linreg/sem04_linreg.ipynb github] [https://colab.research.google.com/drive/1j9fJZaUNDD4Ac0PdcFjed0YeKpVKNh78?usp=sharing colab]|| [https://youtu.be/wq0SKbLzaCE семинар Сони Дымченко]
|-
| 5 || 11/12 февраля|| Регуляризация линейной регрессии, отбор признаков || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem05_reg/sem05_reg.ipynb github] || [https://youtu.be/jwVdvWWAl-4 семинар Руслана Хайдурова]
|-
| 6 || 18/19 февраля|| Логистическая регрессия, метрики для задачи классификации (precision, recall, f-measure, ROC/PR-AUC), создание полиномиальных признаков || [https://colab.research.google.com/github/ischurov/math-ml-2021-public/blob/main/sem06_logreg/sem06_logreg.ipynb colab] [https://github.com/ischurov/math-ml-2021-public/blob/main/sem06_logreg/sem06_logreg.ipynb github] || [https://youtu.be/f2mS6vSJuuM семинар Руслана Хайдурова]
|-
| 7 || 25/26 февраля|| Обработка текстов, лемматизация и стемминг, векторное представление текстов (BOW, TfIdf), обучение моделей классификации отзывов (практика) || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem07_texts/sem07_texts.ipynb github] [https://colab.research.google.com/drive/1mI3Ff7KN-t2okw4e5G2tlSUKXrv9xykz?usp=sharing colab] [https://colab.research.google.com/drive/1Ourraf7xhnMLxrWLsBZxEIyuzSG-hyHE?usp=sharing solved] || [https://youtu.be/tgu9JJw9cE0 семинар Сони Дымченко]
|-
| 8 || 4/5 марта || Решающие деревья || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem08_trees/sem08_trees.ipynb github] [https://colab.research.google.com/github/ischurov/math-ml-2021-public/blob/main/sem08_trees/sem08_trees.ipynb colab]|| [https://youtu.be/rIcVRIQM9Ys семинар Руслана Хайдурова]
|-
|9 || 11/12 марта || Бэггинг, случайный лес || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem09_ensembles/sem09_ensembles.ipynb github] [https://colab.research.google.com/drive/1_tnviReEMwceJRc7B-zAFbC9C6eoht88?usp=sharing colab]|| [https://youtu.be/sJkS8ffgXw4 семинар Сони Дымченко]
|-
|10 || 18/19 марта || Градиентный бустинг || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem10_boosting/sem10_boosting.ipynb github] [https://colab.research.google.com/drive/16paCicj-aRy8CTEvQuhxN9OupPIHqut5?usp=sharing colab] || [https://youtu.be/7-Zjhx0GoX4 семинар Сони Дымченко]
|-
|11 || 25/26 марта || Знакомство с pytorch || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem12_pytorch_intro/sem12_pytorch_intro.ipynb .ipynb 2020] || [https://youtu.be/OHigG63NME0 семинар Руслана Хайдурова]
|-
|12 || 8/9 апреля || Продолжение работы с pytorch || ? || [https://youtu.be/H2qzNBeFanI семинар Руслана Хайдурова]
|-
|13 || 15/16 апреля || Применение нейронных сетей для работы с изображениями || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem13_images/sem13_images.ipynb .ipynb 2020]|| [https://youtu.be/0KwBYJBfdbU семинар Сони Дымченко]
|-
|14 || 22/23 апреля || Разбор мид-терма || || [https://youtu.be/UZ4pbNCmPGw видео разбора]
|-
|15 || 29/30 апреля || Трансформеры и методы работы с текстом || ? || [https://youtu.be/-cIqbTFDnaE NLP 2020] [https://youtu.be/s-Js8Fy-LNs семинар Руслана Хайдурова]
|-
| 16 || 13/14 мая || Матричные разложения и приложения, SVD, PCA, LSA, t-SNE || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem16_svd/sem16_svd.ipynb .ipynb 2020] || [https://youtu.be/F-HW0dlT7ks Видео 2020] [? Видео 2021]
|-
| 17 || 20/21 мая|| Кластеризация || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem15_clustering/sem15_clustering.ipynb .ipynb 2020]|| [https://youtu.be/d_izdlbBnfQ Видео 2020] [ ? Видео 2021]
|-
|}

[https://stackoverflow.com/questions/45622602/how-to-jupyter-notebooks-from-github Как корректно скачать файл с расширением .ipynb с GitHub?]

== Домашние задания ==
Домашние задания сдаются в энитаск (ссылка выше). Инвайт: g1laCLh
{|class='wikitable'
! № !! тема и условие !! тип !! дата выдачи !! дедлайн !! комментарий
|-
|0
| Теория вероятностей: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor0.ipynb условие]
| теоретическое
| 14.01
| 20.01 23:59:59
|
|-
| 1
| Бибилотеки Python: numpy, pandas, matplotlib: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab01.ipynb условие]
| практическое
| 14.01
| 24.01 23:59:59
|
|-
| 2
| Оценки, ошибки и градиентный спуск: [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor02.ipynb nbviewer] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor02.ipynb github] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor02.pdf pdf]
| теоретическое
| 8.02
| 15.02 23:59:59
|
|-
| 3
| Метод k ближайших соседей: [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab03/hw_lab03.ipynb nbviewer] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab03/hw_lab03.ipynb github]
| практическое
| 14.02
| 28.02 23:59:59
|
|-
| 4
| Вокруг линейных моделей: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor04.ipynb ipynb] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor04.pdf pdf]
| теоретическое
| 8.03
| 18.03 23:59:59
|
|-
| 5
| Линейные модели: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab05.ipynb ipynb] [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab05.ipynb nbviewer]
| практическое
| 19.03
| Часть 1: 28.03 23:59:59, Часть 2: 13.04 23:59:59
|
|}

== Контрольные работы ==
=== Midterm ===
Промежуточная контрольная работа (мидтерм) состоится в четверг, 1 апреля. Она захватит материал первых 9 занятий: лекций, семинаров и релевантных домашних заданий.

* [http://math-info.hse.ru/f/2018-19/math-ml/midterm.pdf Вариант 2018-19 учебного года]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/midterm-2020.pdf Вариант 2019-20 учебного года],
** [https://youtu.be/iGQ518pCAEM Разбор] ([http://math-info.hse.ru/f/2020-21/math-ml/midterm2019-20.pdf вариант из разбора])

=== Final ===
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2019.pdf Экзамен 2019]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2020.pdf Экзамен 2020]

== Полезные материалы ==
=== Базовые учебники ===
# Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition)]. Springer, 2009.
# Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning]. Springer, 2006.

=== Дополнительная литература ===
# Шарден Б., Массарон Л., Боскетти А. Крупномасштабное машинное обучение вместе с Python, Издательство "ДМК Пресс", 2018.
# Ian Goodfellow and Yoshua Bengio and Aaron Courville, Deep Learning, MIT Press, 2016.
# Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
# Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
# Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.

=== Разные хорошие ссылки ===

# [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html Об условных вероятностях].
# [https://mml-book.github.io Mathematics for Machine Learning] — книга с математическим введением в машинное обучение. Вам могут быть особенно интересно главы про теорию вероятностей.

Машинное обучение на матфаке 2021

2021-05-26T16:38:10Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

Лекции проходят по четвергам в 11:10-12:30.

== Полезные ссылки ==
* [https://t.me/joinchat/TeVup2Jtu2HLYNJF Чат курса]
* [https://t.me/joinchat/TdD3SkCWxQdMTZLi Телеграм канал с объявлениями]
* [https://anytask.org/course/773 Курс на Anytask]
* [https://github.com/ischurov/math-ml-2021-public/ GitHub репозиторий с материалами курса]
* [https://www.hse.ru/edu/courses/316533676 РПУД]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание
|-
| 1 || [https://tlg.name/Saigetsu Руслан Хайдуров] || [https://tlg.name/bekemax Максим Бекетов] || пятница 13:00-14:20
|-
| 2 || [https://tlg.name/svdcvt Соня Дымченко] || [https://tlg.name/pavle_us Павел Егоров] || четверг 13:00-14:20
|-
|}

=== Система оценивания ===
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Новости курса ==
[https://t.me/joinchat/TdD3SkCWxQdMTZLi Телеграм канал с объявлениями]

== Лекции ==
{| class="wikitable"
|-
! № !! Дата !! Название !! Видео !! Дополнительные материалы
|-
| 1 || 14 января || Введение в ml, постановки задач, виды данных || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 видео] ||
|-
| 2 || 21 января || [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Статистическая теория принятия решений] || [https://www.youtube.com/watch?v=N79imD4BVZM видео] ||
|-
| 3 || 28 января || [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ Шум, смещение, разброс] || [https://youtu.be/C3P0PPQYsSs видео] ||
|-
| 4 || 4 февраля || [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/ Линейные модели] || [https://youtu.be/K5eVQXW7GhI видео] ||
|-
| 5 || 11 февраля || [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/ Линейные модели (продолжение)] || [https://youtu.be/lDdZZr8ImBM видео] ||
|-
| 6 || 18 февраля || Линейная и логистическая регрессии || [https://youtu.be/mFrFDXqkcOo видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 7 || 25 февраля || Логистическая регрессия (продолжение) || [https://youtu.be/yHLtkTJs4Vk видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 8 || 4 марта || SVM и решающие деревья || [https://youtu.be/QBZSD7wUR_s видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 9 || 11 марта || Решающие леса || [https://youtu.be/Yo2-qB7vqOo видео] || Конспекты Е. Соколова [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 10 || 18 марта || Градиентный бустинг || [https://youtu.be/gYTcMpNM2GU видео] || Конспекты Е. Соколова [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|-
| 11 || 25 марта || Нейронные сети || [https://youtu.be/vd_QZaBWPUI видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения]. Дополнительный материал: [http://neuralnetworksanddeeplearning.com/chap4.html теорема об универсальной аппроксимации] (англ.),
|-
| 12 || 8 апреля || Сверточные нейронные сети || [https://youtu.be/GCIdWzAUsmI видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения], дополнительный материал: [http://cs231n.github.io/convolutional-networks/ convolutional networks] (англ.)
|-
| 13 || 15 апреля || Рекурентные нейронные сети || [https://youtu.be/-kxYP7a2pTA видео] || [https://colah.github.io/posts/2015-08-Understanding-LSTMs/ Understanding LSTM Networks]
|-
| 14 || 22 апреля || Продвинутая обработка естественного языка || [https://youtu.be/5wgwpKJsTh8 видео] ||
|-
| 15 || 29 апреля || Знакомство с unsupervised learning. Алгоритмы кластеризации: K-means, спектральная кластеризация, иерархическая кластеризация. Разделение гауссовых смесей, EM-алгоритм. || [https://youtu.be/xpYbADpXlwQ видео] ||
|-
| 16 || 13 мая || SVD-разложение и метод главных компонент || [https://youtu.be/ucnEhbEjLoQ видео] ||
|-
| 17 || 20 мая || Применение матричных разложений в рекомендательных системах. Автокодировщики || ||
|}

== Семинары ==
{| class="wikitable"
|-
! № !! Дата !! Название !! Материалы !! Видео
|-
| 1 || 14/15 января || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2021-public/blob/main/seminars/sem01_intro.ipynb github] [https://colab.research.google.com/drive/1XG7P1oMK2bpv7gGPk_mTV39YCyUVOFaj?usp=sharing colab] || [https://www.youtube.com/watch?v=RYvDFiMAdtc&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=1 семинар Сони Дымченко]
|-
| 2 || 21/22 января || Алгоритм K ближайших соседей (k-NN) || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem02_knn1/sem02_knn1.ipynb github] [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/sem02_knn1/sem02_knn1.ipynb nbviewer] [https://colab.research.google.com/drive/1v5IIKV5JWFbmeGguDClqiF9RPo4wXYvM#scrollTo=RvWMp_5Z3dzd colab]|| [https://youtu.be/P87X5W9KX-8 семинар Сони Дымченко], [https://youtu.be/qp-lEX6DTV4 семинар Ильи Щурова]
|-
| 3 || 28/29 января || Разложение ошибки на смещение и разброс, кросс-валидация, проклятие размерности, KNN из коробки (продолжение) || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem03_knn2/sem03_knn2.ipynb github] || [https://youtu.be/uZYcrP1ulrY семинар Руслана Хайдурова]
|-
| 4|| 4/5 февраля || Линейная регрессия, градиентный спуск, метрика качества R^2 || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem04_linreg/sem04_linreg.ipynb github] [https://colab.research.google.com/drive/1j9fJZaUNDD4Ac0PdcFjed0YeKpVKNh78?usp=sharing colab]|| [https://youtu.be/wq0SKbLzaCE семинар Сони Дымченко]
|-
| 5 || 11/12 февраля|| Регуляризация линейной регрессии, отбор признаков || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem05_reg/sem05_reg.ipynb github] || [https://youtu.be/jwVdvWWAl-4 семинар Руслана Хайдурова]
|-
| 6 || 18/19 февраля|| Логистическая регрессия, метрики для задачи классификации (precision, recall, f-measure, ROC/PR-AUC), создание полиномиальных признаков || [https://colab.research.google.com/github/ischurov/math-ml-2021-public/blob/main/sem06_logreg/sem06_logreg.ipynb colab] [https://github.com/ischurov/math-ml-2021-public/blob/main/sem06_logreg/sem06_logreg.ipynb github] || [https://youtu.be/f2mS6vSJuuM семинар Руслана Хайдурова]
|-
| 7 || 25/26 февраля|| Обработка текстов, лемматизация и стемминг, векторное представление текстов (BOW, TfIdf), обучение моделей классификации отзывов (практика) || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem07_texts/sem07_texts.ipynb github] [https://colab.research.google.com/drive/1mI3Ff7KN-t2okw4e5G2tlSUKXrv9xykz?usp=sharing colab] [https://colab.research.google.com/drive/1Ourraf7xhnMLxrWLsBZxEIyuzSG-hyHE?usp=sharing solved] || [https://youtu.be/tgu9JJw9cE0 семинар Сони Дымченко]
|-
| 8 || 4/5 марта || Решающие деревья || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem08_trees/sem08_trees.ipynb github] [https://colab.research.google.com/github/ischurov/math-ml-2021-public/blob/main/sem08_trees/sem08_trees.ipynb colab]|| [https://youtu.be/rIcVRIQM9Ys семинар Руслана Хайдурова]
|-
|9 || 11/12 марта || Бэггинг, случайный лес || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem09_ensembles/sem09_ensembles.ipynb github] [https://colab.research.google.com/drive/1_tnviReEMwceJRc7B-zAFbC9C6eoht88?usp=sharing colab]|| [https://youtu.be/sJkS8ffgXw4 семинар Сони Дымченко]
|-
|10 || 18/19 марта || Градиентный бустинг || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem10_boosting/sem10_boosting.ipynb github] [https://colab.research.google.com/drive/16paCicj-aRy8CTEvQuhxN9OupPIHqut5?usp=sharing colab] || [https://youtu.be/7-Zjhx0GoX4 семинар Сони Дымченко]
|-
|11 || 25/26 марта || Знакомство с pytorch || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem12_pytorch_intro/sem12_pytorch_intro.ipynb .ipynb 2020] || [https://youtu.be/OHigG63NME0 семинар Руслана Хайдурова]
|-
|12 || 8/9 апреля || Продолжение работы с pytorch || ? || [https://youtu.be/H2qzNBeFanI семинар Руслана Хайдурова]
|-
|13 || 15/16 апреля || Применение нейронных сетей для работы с изображениями || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem13_images/sem13_images.ipynb .ipynb 2020]|| [https://youtu.be/0KwBYJBfdbU семинар Сони Дымченко]
|-
|14 || 22/23 апреля || Разбор мид-терма || || [https://youtu.be/UZ4pbNCmPGw видео разбора]
|-
|15 || 29/30 апреля || Трансформеры и методы работы с текстом || ? || [https://youtu.be/-cIqbTFDnaE NLP 2020] [https://youtu.be/s-Js8Fy-LNs семинар Руслана Хайдурова]
|-
| 16 || 13/14 мая || Матричные разложения и приложения, SVD, PCA, LSA, t-SNE || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem16_svd/sem16_svd.ipynb .ipynb 2020] || [https://youtu.be/F-HW0dlT7ks Видео 2020] [? Видео 2021]
|-
| 17 || 20/21 мая|| Кластеризация || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem15_clustering/sem15_clustering.ipynb .ipynb 2020]|| [https://youtu.be/d_izdlbBnfQ Видео 2020] [ ? Видео 2021]
|-
|}

[https://stackoverflow.com/questions/45622602/how-to-jupyter-notebooks-from-github Как корректно скачать файл с расширением .ipynb с GitHub?]

== Домашние задания ==
Домашние задания сдаются в энитаск (ссылка выше). Инвайт: g1laCLh
{|class='wikitable'
! № !! тема и условие !! тип !! дата выдачи !! дедлайн !! комментарий
|-
|0
| Теория вероятностей: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor0.ipynb условие]
| теоретическое
| 14.01
| 20.01 23:59:59
|
|-
| 1
| Бибилотеки Python: numpy, pandas, matplotlib: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab01.ipynb условие]
| практическое
| 14.01
| 24.01 23:59:59
|
|-
| 2
| Оценки, ошибки и градиентный спуск: [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor02.ipynb nbviewer] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor02.ipynb github] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor02.pdf pdf]
| теоретическое
| 8.02
| 15.02 23:59:59
|
|-
| 3
| Метод k ближайших соседей: [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab03/hw_lab03.ipynb nbviewer] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab03/hw_lab03.ipynb github]
| практическое
| 14.02
| 28.02 23:59:59
|
|-
| 4
| Вокруг линейных моделей: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor04.ipynb ipynb] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor04.pdf pdf]
| теоретическое
| 8.03
| 18.03 23:59:59
|
|-
| 5
| Линейные модели: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab05.ipynb ipynb] [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab05.ipynb nbviewer]
| практическое
| 19.03
| Часть 1: 28.03 23:59:59, Часть 2: 13.04 23:59:59
|
|}

== Контрольные работы ==
=== Midterm ===
Промежуточная контрольная работа (мидтерм) состоится в четверг, 1 апреля. Она захватит материал первых 9 занятий: лекций, семинаров и релевантных домашних заданий.

* [http://math-info.hse.ru/f/2018-19/math-ml/midterm.pdf Вариант 2018-19 учебного года]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/midterm-2020.pdf Вариант 2019-20 учебного года],
** [https://youtu.be/iGQ518pCAEM Разбор] ([http://math-info.hse.ru/f/2020-21/math-ml/midterm2019-20.pdf вариант из разбора])

=== Final ===
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2019.pdf Экзамен 2019]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2020.pdf Экзамен 2020]

== Полезные материалы ==
=== Базовые учебники ===
# Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition)]. Springer, 2009.
# Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning]. Springer, 2006.

=== Дополнительная литература ===
# Шарден Б., Массарон Л., Боскетти А. Крупномасштабное машинное обучение вместе с Python, Издательство "ДМК Пресс", 2018.
# Ian Goodfellow and Yoshua Bengio and Aaron Courville, Deep Learning, MIT Press, 2016.
# Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
# Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
# Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.

=== Разные хорошие ссылки ===

# [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html Об условных вероятностях].
# [https://mml-book.github.io Mathematics for Machine Learning] — книга с математическим введением в машинное обучение. Вам могут быть особенно интересно главы про теорию вероятностей.

Машинное обучение на матфаке 2021

2021-05-26T16:36:26Z

Ilya Schurov:

== О курсе ==
Курс читается для студентов факультета математики ВШЭ в 3-4 модулях.

Лектор: [https://www.hse.ru/staff/is Щуров Илья Валерьевич]

Лекции проходят по четвергам в 11:10-12:30.

== Полезные ссылки ==
* [https://t.me/joinchat/TeVup2Jtu2HLYNJF Чат курса]
* [https://t.me/joinchat/TdD3SkCWxQdMTZLi Телеграм канал с объявлениями]
* [https://anytask.org/course/773 Курс на Anytask]
* [https://github.com/ischurov/math-ml-2021-public/ GitHub репозиторий с материалами курса]
* [https://www.hse.ru/edu/courses/316533676 РПУД]

== Семинары ==

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание
|-
| 1 || [https://tlg.name/Saigetsu Руслан Хайдуров] || [https://tlg.name/bekemax Максим Бекетов] || пятница 13:00-14:20
|-
| 2 || [https://tlg.name/svdcvt Соня Дымченко] || [https://tlg.name/pavle_us Павел Егоров] || четверг 13:00-14:20
|-
|}

=== Система оценивания ===
==== Формула оценки ====
Результирующая оценка по дисциплине рассчитывается по формуле:

<blockquote>'''Oитог = 0.2 * Окр + 0.29 * Опрак дз + 0.29 * Отеор дз + 0.22 * Оэкз'''</blockquote>

==== Правила вычисления оценок ====
Оценка за практические/теоретические домашние задания вычисляется как сумма баллов по всем практическим/теоретическим домашним заданиям, переведенная в 10-балльную шкалу. Количество баллов за разные задания может различаться в зависимости от их сложности. Все промежуточные оценки (за домашние, контрольную и экзамен) могут быть не целыми и ''не округляются''. Итоговая оценка округляется по стандартным правилам, оценка вида (k+1/2), где k — целое число округляется вверх.

==== Правила сдачи заданий ====
Если вы сдаёте работу позже срока, её оценка умножается на exp(-t / 86400), где t — число секунд, прошедшее с дедлайна. Иными словами, опоздать на пару секунд не страшно, но опоздав на сутки, вы поделите свой результат на e. Сдать после срока можно только один раз, а если вы сдали работу вовремя, досдать после срока какие-либо задачи уже нельзя. Это не касается соревнований: там есть жесткое время окончания соревнования, и после него уже ничего отправить нельзя.

Все письменные работы выполняются самостоятельно. Вам запрещено смотреть в чужие решения (в том числе в чужой код), до тех пор, пока вы не сделали и не сдали эту задачу сами. Это касается решений и кода, написанного вашими однокурсниками, написанного предшествующими поколениями или найденного где-либо ещё. Из этого, в частности, следует, что вам запрещено целенаправленно искать решение вашей задачи в интернете. (Хотя, конечно, вы можете использовать поиск в интернете, чтобы разобраться в том, как работают те или иные инструменты или как сделать конкретное действие, если это действие не является само по себе решением задачи.) Вам также запрещено показывать свои решения другим студентам. При обнаружении плагиата или иных нарушений академической этики оценки за соответствующее домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат.

При наличии ''уважительной'' причины (предоставляется справка, подтвержденная учебным офисом) вес контрольной работы может быть перенесён на экзамен; также может быть перенесён дедлайн по домашнему заданию (за исключением соревнований). Для согласования обращаться к лектору.

Теоретические домашние задания можно сдавать в виде Jupyter Notebook (.ipynb; там поддерживаются формулы в LaTeX), в виде отдельных PDF-документов, набранных в LaTeX или с помощью любого другого инструмента, поддерживающего вёрстку формул, либо в виде аккуратного скана аккуратно написанного от руки решения, также в формате PDF. В случае, если решение написано неаккуратно с точки зрения проверяющего, работа может получить штраф в 5% от оценки, либо, если работа вызывает существенные трудности для чтения, отправлена на доработку без продления срока сдачи.

== Новости курса ==
[https://t.me/joinchat/TdD3SkCWxQdMTZLi Телеграм канал с объявлениями]

== Лекции ==
{| class="wikitable"
|-
! № !! Дата !! Название !! Видео !! Дополнительные материалы
|-
| 1 || 14 января || Введение в ml, постановки задач, виды данных || [https://www.youtube.com/watch?v=COQFOm2tzTE&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=2 видео] ||
|-
| 2 || 21 января || [http://math-info.hse.ru/math-ml/chapter/label/chap:3:els/ Статистическая теория принятия решений] || [https://www.youtube.com/watch?v=N79imD4BVZM видео] ||
|-
| 3 || 28 января || [http://math-info.hse.ru/math-ml/chapter/label/chap:4:bias-variance/ Шум, смещение, разброс] || [https://youtu.be/C3P0PPQYsSs видео] ||
|-
| 4 || 4 февраля || [http://math-info.hse.ru/math-ml/chapter/label/chap:5:linear-reg/ Линейные модели] || [https://youtu.be/K5eVQXW7GhI видео] ||
|-
| 5 || 11 февраля || [http://math-info.hse.ru/math-ml/chapter/label/chap:6:linear-reg2/ Линейные модели (продолжение)] || [https://youtu.be/lDdZZr8ImBM видео] ||
|-
| 6 || 18 февраля || Линейная и логистическая регрессии || [https://youtu.be/mFrFDXqkcOo видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture03-linregr.pdf Ещё о линейных регрессиях], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия]
|-
| 7 || 25 февраля || Логистическая регрессия (продолжение) || [https://youtu.be/yHLtkTJs4Vk видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf логистическая регрессия], [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture06-linclass.pdf многоклассовая классификация]
|-
| 8 || 4 марта || SVM и решающие деревья || [https://youtu.be/QBZSD7wUR_s видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture05-linclass.pdf метод опорных векторов] (см. часть 2), [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture07-trees.pdf решающие деревья]
|-
| 9 || 11 марта || Решающие леса || [https://youtu.be/Yo2-qB7vqOo видео] || Конспекты Е. Соколова [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture08-ensembles.pdf решающие леса]
|-
| 10 || 18 марта || Градиентный бустинг || [https://youtu.be/gYTcMpNM2GU видео] || Конспекты Е. Соколова [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture09-ensembles.pdf градиентный бустинг] (мы не обсуждали AdaBoost)
|-
| 11 || 25 марта || Нейронные сети || [https://youtu.be/vd_QZaBWPUI видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения]. Дополнительный материал: [http://neuralnetworksanddeeplearning.com/chap4.html теорема об универсальной аппроксимации] (англ.),
|-
| 12 || 8 апреля || Сверточные нейронные сети || [https://youtu.be/GCIdWzAUsmI видео] || Конспекты Е. Соколова: [https://github.com/esokolov/ml-course-hse/blob/master/2017-fall/lecture-notes/lecture11-dl.pdf Графы вычислений и элементы глубинного обучения], дополнительный материал: [http://cs231n.github.io/convolutional-networks/ convolutional networks] (англ.)
|-
| 13 || 15 апреля || Рекурентные нейронные сети || [https://youtu.be/-kxYP7a2pTA видео] || [https://colah.github.io/posts/2015-08-Understanding-LSTMs/ Understanding LSTM Networks]
|-
| 14 || 22 апреля || Продвинутая обработка естественного языка || [https://youtu.be/5wgwpKJsTh8 видео] ||
|-
| 15 || 29 апреля || Знакомство с unsupervised learning. Алгоритмы кластеризации: K-means, спектральная кластеризация, иерархическая кластеризация. Разделение гауссовых смесей, EM-алгоритм. || [https://youtu.be/xpYbADpXlwQ видео] ||
|-
| 16 || 13 мая || SVD-разложение и метод главных компонент || ||
|-
| 17 || 20 мая || Применение матричных разложений в рекомендательных системах. Автокодировщики || ||
|}

== Семинары ==
{| class="wikitable"
|-
! № !! Дата !! Название !! Материалы !! Видео
|-
| 1 || 14/15 января || Введение в numpy, pandas, matplotlib || [https://github.com/ischurov/math-ml-2021-public/blob/main/seminars/sem01_intro.ipynb github] [https://colab.research.google.com/drive/1XG7P1oMK2bpv7gGPk_mTV39YCyUVOFaj?usp=sharing colab] || [https://www.youtube.com/watch?v=RYvDFiMAdtc&list=PLEwK9wdS5g0pq7ev-iMG9Vw8fWbld87Ic&index=1 семинар Сони Дымченко]
|-
| 2 || 21/22 января || Алгоритм K ближайших соседей (k-NN) || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem02_knn1/sem02_knn1.ipynb github] [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/sem02_knn1/sem02_knn1.ipynb nbviewer] [https://colab.research.google.com/drive/1v5IIKV5JWFbmeGguDClqiF9RPo4wXYvM#scrollTo=RvWMp_5Z3dzd colab]|| [https://youtu.be/P87X5W9KX-8 семинар Сони Дымченко], [https://youtu.be/qp-lEX6DTV4 семинар Ильи Щурова]
|-
| 3 || 28/29 января || Разложение ошибки на смещение и разброс, кросс-валидация, проклятие размерности, KNN из коробки (продолжение) || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem03_knn2/sem03_knn2.ipynb github] || [https://youtu.be/uZYcrP1ulrY семинар Руслана Хайдурова]
|-
| 4|| 4/5 февраля || Линейная регрессия, градиентный спуск, метрика качества R^2 || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem04_linreg/sem04_linreg.ipynb github] [https://colab.research.google.com/drive/1j9fJZaUNDD4Ac0PdcFjed0YeKpVKNh78?usp=sharing colab]|| [https://youtu.be/wq0SKbLzaCE семинар Сони Дымченко]
|-
| 5 || 11/12 февраля|| Регуляризация линейной регрессии, отбор признаков || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem05_reg/sem05_reg.ipynb github] || [https://youtu.be/jwVdvWWAl-4 семинар Руслана Хайдурова]
|-
| 6 || 18/19 февраля|| Логистическая регрессия, метрики для задачи классификации (precision, recall, f-measure, ROC/PR-AUC), создание полиномиальных признаков || [https://colab.research.google.com/github/ischurov/math-ml-2021-public/blob/main/sem06_logreg/sem06_logreg.ipynb colab] [https://github.com/ischurov/math-ml-2021-public/blob/main/sem06_logreg/sem06_logreg.ipynb github] || [https://youtu.be/f2mS6vSJuuM семинар Руслана Хайдурова]
|-
| 7 || 25/26 февраля|| Обработка текстов, лемматизация и стемминг, векторное представление текстов (BOW, TfIdf), обучение моделей классификации отзывов (практика) || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem07_texts/sem07_texts.ipynb github] [https://colab.research.google.com/drive/1mI3Ff7KN-t2okw4e5G2tlSUKXrv9xykz?usp=sharing colab] [https://colab.research.google.com/drive/1Ourraf7xhnMLxrWLsBZxEIyuzSG-hyHE?usp=sharing solved] || [https://youtu.be/tgu9JJw9cE0 семинар Сони Дымченко]
|-
| 8 || 4/5 марта || Решающие деревья || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem08_trees/sem08_trees.ipynb github] [https://colab.research.google.com/github/ischurov/math-ml-2021-public/blob/main/sem08_trees/sem08_trees.ipynb colab]|| [https://youtu.be/rIcVRIQM9Ys семинар Руслана Хайдурова]
|-
|9 || 11/12 марта || Бэггинг, случайный лес || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem09_ensembles/sem09_ensembles.ipynb github] [https://colab.research.google.com/drive/1_tnviReEMwceJRc7B-zAFbC9C6eoht88?usp=sharing colab]|| [https://youtu.be/sJkS8ffgXw4 семинар Сони Дымченко]
|-
|10 || 18/19 марта || Градиентный бустинг || [https://github.com/ischurov/math-ml-2021-public/blob/main/sem10_boosting/sem10_boosting.ipynb github] [https://colab.research.google.com/drive/16paCicj-aRy8CTEvQuhxN9OupPIHqut5?usp=sharing colab] || [https://youtu.be/7-Zjhx0GoX4 семинар Сони Дымченко]
|-
|11 || 25/26 марта || Знакомство с pytorch || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem12_pytorch_intro/sem12_pytorch_intro.ipynb .ipynb 2020] || [https://youtu.be/OHigG63NME0 семинар Руслана Хайдурова]
|-
|12 || 8/9 апреля || Продолжение работы с pytorch || ? || [https://youtu.be/H2qzNBeFanI семинар Руслана Хайдурова]
|-
|13 || 15/16 апреля || Применение нейронных сетей для работы с изображениями || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem13_images/sem13_images.ipynb .ipynb 2020]|| [https://youtu.be/0KwBYJBfdbU семинар Сони Дымченко]
|-
|14 || 22/23 апреля || Разбор мид-терма || || [https://youtu.be/UZ4pbNCmPGw видео разбора]
|-
|15 || 29/30 апреля || Трансформеры и методы работы с текстом || ? || [https://youtu.be/-cIqbTFDnaE NLP 2020] [https://youtu.be/s-Js8Fy-LNs семинар Руслана Хайдурова]
|-
| 16 || 13/14 мая || Матричные разложения и приложения, SVD, PCA, LSA, t-SNE || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem16_svd/sem16_svd.ipynb .ipynb 2020] || [https://youtu.be/F-HW0dlT7ks Видео 2020] [? Видео 2021]
|-
| 17 || 20/21 мая|| Кластеризация || [https://github.com/new-okaerinasai/math-ml-hse-2019/blob/master/sem15_clustering/sem15_clustering.ipynb .ipynb 2020]|| [https://youtu.be/d_izdlbBnfQ Видео 2020] [ ? Видео 2021]
|-
|}

[https://stackoverflow.com/questions/45622602/how-to-jupyter-notebooks-from-github Как корректно скачать файл с расширением .ipynb с GitHub?]

== Домашние задания ==
Домашние задания сдаются в энитаск (ссылка выше). Инвайт: g1laCLh
{|class='wikitable'
! № !! тема и условие !! тип !! дата выдачи !! дедлайн !! комментарий
|-
|0
| Теория вероятностей: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor0.ipynb условие]
| теоретическое
| 14.01
| 20.01 23:59:59
|
|-
| 1
| Бибилотеки Python: numpy, pandas, matplotlib: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab01.ipynb условие]
| практическое
| 14.01
| 24.01 23:59:59
|
|-
| 2
| Оценки, ошибки и градиентный спуск: [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor02.ipynb nbviewer] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor02.ipynb github] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor02.pdf pdf]
| теоретическое
| 8.02
| 15.02 23:59:59
|
|-
| 3
| Метод k ближайших соседей: [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab03/hw_lab03.ipynb nbviewer] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab03/hw_lab03.ipynb github]
| практическое
| 14.02
| 28.02 23:59:59
|
|-
| 4
| Вокруг линейных моделей: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor04.ipynb ipynb] [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_theor04.pdf pdf]
| теоретическое
| 8.03
| 18.03 23:59:59
|
|-
| 5
| Линейные модели: [https://github.com/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab05.ipynb ipynb] [https://nbviewer.jupyter.org/github/ischurov/math-ml-2021-public/blob/main/homeworks/hw_lab05.ipynb nbviewer]
| практическое
| 19.03
| Часть 1: 28.03 23:59:59, Часть 2: 13.04 23:59:59
|
|}

== Контрольные работы ==
=== Midterm ===
Промежуточная контрольная работа (мидтерм) состоится в четверг, 1 апреля. Она захватит материал первых 9 занятий: лекций, семинаров и релевантных домашних заданий.

* [http://math-info.hse.ru/f/2018-19/math-ml/midterm.pdf Вариант 2018-19 учебного года]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/midterm-2020.pdf Вариант 2019-20 учебного года],
** [https://youtu.be/iGQ518pCAEM Разбор] ([http://math-info.hse.ru/f/2020-21/math-ml/midterm2019-20.pdf вариант из разбора])

=== Final ===
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2019.pdf Экзамен 2019]
* [https://github.com/ischurov/math-ml-2021-public/blob/main/assessment/final2020.pdf Экзамен 2020]

== Полезные материалы ==
=== Базовые учебники ===
# Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition)]. Springer, 2009.
# Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning]. Springer, 2006.

=== Дополнительная литература ===
# Шарден Б., Массарон Л., Боскетти А. Крупномасштабное машинное обучение вместе с Python, Издательство "ДМК Пресс", 2018.
# Ian Goodfellow and Yoshua Bengio and Aaron Courville, Deep Learning, MIT Press, 2016.
# Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
# Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
# Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.

=== Разные хорошие ссылки ===

# [https://betanalpha.github.io/assets/case_studies/conditional_probability_theory.html Об условных вероятностях].
# [https://mml-book.github.io Mathematics for Machine Learning] — книга с математическим введением в машинное обучение. Вам могут быть особенно интересно главы про теорию вероятностей.