https://wiki.cs.hse.ru/api.php?action=feedcontributions&feedformat=atom&user=Naykht Wiki - Факультет компьютерных наук - Вклад [ru] 2026-09-20T23:03:48Z Вклад MediaWiki 1.43.9 https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%B3%D0%BB%D1%83%D0%B1%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F&diff=58218 Основы глубинного обучения 2021-09-14T19:07:06Z <p>Naykht: /* Семинары */</p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 3-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 1-2 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> Лектор — [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Занятия проходят онлайн по четвергам на второй паре (11:10 - 12:30).<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/346231287 Карточка курса и программа]<br /> <br /> Репозиторий с материалами: https://github.com/hse-ds/iad-deep-learning<br /> <br /> Домашние задание сдаются в Anytask: <br /> <br /> Канал в telegram для объявлений: https://t.me/hs_iad_2021<br /> <br /> Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/joinchat/Vuq4Lgi98RG22fQP<br /> <br /> Таблица с оценками<br /> <br /> '''Вопросы''' по курсу можно задавать в телеграм лектору (@esokolov), семинаристу, в чатах групп или в issues на [https://github.com/hse-ds/iad-deep-learning гитхабе].<br /> <br /> === Семинары ===<br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Антон Семенкин || [https://t.me/nichtdeinetraumfrau Дарья Морозова], [https://t.me/caesiummm Михаил Никифоров] || [https://zoom.us/j/95783649988?pwd=ZDh0UEJvVkxYczR5VTFGbldPdEFKdz09 Zoom] || [https://t.me/joinchat/h66lQZ8hD5s4MGFi Чат] ||<br /> |-<br /> | ИАД-2 || Алексей Ковалёв || || [https://zoom.us/j/98291023185?pwd=S043dEdoMHkrSG8wSWRISDF1ZUlvUT09 Zoom] || [ Чат] ||<br /> |-<br /> | ИАД-3 || [https://t.me/kirili4ik Кирилл Гельван] || [https://t.me/tamogashev_kv Кирилл Тамогашев], [https://t.me/bwdare Дарья Матяш] || [https://zoom.us/j/93479034844?pwd=Tnp2cU85NDVWbmRhMTRNN29kd0ZmQT09 Zoom] || [https://t.me/joinchat/kQ-hh3YdUbc4YmMy Чат] ||<br /> |-<br /> |-<br /> | ИАД-4 || [https://t.me/mikhail_h91 Михаил Гущин] || [https://t.me/aksenysh Аня Аксенова], [https://t.me/tak_ty Катя Такташева]|| [https://zoom.us/j/97982378625?pwd=VWNBa3lXTUloRW91ckZhZU9CWW4rdz09 Zoom] || [https://t.me/joinchat/eUGR_00mJbUwYjli Чат] ||<br /> |-<br /> | ИАД-5 || Руслан Хайдуров || || [https://zoom.us/j/99847089082?pwd=cmI3Umo3UG1mRlg4VytrcEIwV2hKUT09 Zoom] || [ Чат] ||<br /> |-<br /> | ИАД-6 || Елена Кантонистова || [https://t.me/ferekeke Елизавета Копышева] [https://t.me/kplkrpv Поликарпов Кирилл] || [https://zoom.us/j/98326366848?pwd=bFVkRnNRaVFMMUppUnAyd3BMKzBzZz09 Zoom] || [https://t.me/joinchat/9eLqNJpZEOFlZTcy Чат] ||<br /> |-<br /> | ИАД-7 || [https://t.me/OnixinO Тамерлан Таболов] || [https://t.me/debasering Николай Аверьянов] [https://t.me/greyworgen Сергей Тихонов] || [https://zoom.us/j/93343230384?pwd=QldZa1hhOGxudGdRRTIzS3A1YTdhdz09 Zoom] || [https://t.me/joinchat/jWnLEX7aXjgxNzFi Чат] ||<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Практические домашние работы на Python<br /> * Проверочные работы на лекциях<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется по формуле:<br /> <br /> Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за проверочные работы<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> === Правила сдачи заданий ===<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> ==Лекции==<br /> <br /> === Семинары ===<br /> <br /> == Практические задания ==<br /> <br /> Домашние задания выкладываются в [https://github.com/hse-ds/iad-deep-learning репозиторий курса]. За каждый день просрочки мягкого дедлайна снимается два балла. После жёсткого дедлайна задания не принимаются.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> [[https://docs.google.com/document/d/1yf3wH-2LArk6Ck4KYiAarTXbNS90IFwX7nUOt_Ec_wE/edit?usp=sharing Вопросы для подготовки]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=45258 Машинное обучение (ФЭН) - 2020 2020-09-27T14:54:09Z <p>Naykht: </p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> === Лекции и семинары ===<br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu<br /> <br /> Все материалы лекций и семинаров находятся здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> Лекция (2 пара): https://zoom.us/j/96228524411<br /> <br /> Семинар (3 пара): https://zoom.us/j/92946252020<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Вторник || [https://telegram.me/murr4a Елена Кантонистова] || [https://telegram.me/polkarpovkirill Кирилл Поликарпов] || jVh8mtz || https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ<br /> |-<br /> | Пятница || [https://telegram.me/TitoVlad Влад Титов] || [https://t.me/tema7707 Широков Артемий] || RSYhTsc || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки);<br /> <br /> * домашние задания (в том числе соревнование на Kaggle);<br /> <br /> * коллоквиум;<br /> <br /> * экзамен.<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов).<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Материалы лекций: https://github.com/Murcha1990/ML_Econom_2020-2021/tree/master/Лекции<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Материалы семинаров: https://github.com/Murcha1990/ML_Econom_2020-2021/tree/master/Семинары<br /> <br /> '''Семинар 1.''' Матричное дифференцирование. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1.pdf Презентация].<br /> <br /> '''Семинар 2.''' Линейная регрессия. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Seminar2_full.ipynb Заполненный ноутбук].<br /> <br /> == Домашние задания ==<br /> На курсе планируется около 10 домашних заданий. Формула вычисления итоговой оценки: среднее из n-2 домашних заданий с максимальными баллами, где n - это итоговое количество домашек.<br /> <br /> Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/ anytask]. <br /> <br /> '''Домашняя работа 1.''' Задачи про матричное дифференцирование из [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1_with_homework.pdf задачника].<br /> <br /> '''Домашняя работа 2.''' Написать собственную многомерную линейную регрессию. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Homework2.ipynb Ноутбук с шаблоном].<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=45257 Машинное обучение (ФЭН) - 2020 2020-09-27T14:53:06Z <p>Naykht: </p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu<br /> <br /> === Лекции и семинары ===<br /> Все материалы лекций и семинаров находятся здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> Лекция (2 пара): https://zoom.us/j/96228524411<br /> <br /> Семинар (3 пара): https://zoom.us/j/92946252020<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Вторник || [https://telegram.me/murr4a Елена Кантонистова] || [https://telegram.me/polkarpovkirill Кирилл Поликарпов] || jVh8mtz || https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ<br /> |-<br /> | Пятница || [https://telegram.me/TitoVlad Влад Титов] || [https://t.me/tema7707 Широков Артемий] || RSYhTsc || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки);<br /> <br /> * домашние задания (в том числе соревнование на Kaggle);<br /> <br /> * коллоквиум;<br /> <br /> * экзамен.<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов).<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Материалы лекций: https://github.com/Murcha1990/ML_Econom_2020-2021/tree/master/Лекции<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Материалы семинаров: https://github.com/Murcha1990/ML_Econom_2020-2021/tree/master/Семинары<br /> <br /> '''Семинар 1.''' Матричное дифференцирование. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1.pdf Презентация].<br /> <br /> '''Семинар 2.''' Линейная регрессия. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Seminar2_full.ipynb Заполненный ноутбук].<br /> <br /> == Домашние задания ==<br /> На курсе планируется около 10 домашних заданий. Формула вычисления итоговой оценки: среднее из n-2 домашних заданий с максимальными баллами, где n - это итоговое количество домашек.<br /> <br /> Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/ anytask]. <br /> <br /> '''Домашняя работа 1.''' Задачи про матричное дифференцирование из [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1_with_homework.pdf задачника].<br /> <br /> '''Домашняя работа 2.''' Написать собственную многомерную линейную регрессию. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Homework2.ipynb Ноутбук с шаблоном].<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=45256 Машинное обучение (ФЭН) - 2020 2020-09-27T14:52:24Z <p>Naykht: </p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu<br /> <br /> === Лекции и семинары ===<br /> Все материалы лекций и семинаров находятся здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> Лекция (2 пара): https://zoom.us/j/96228524411<br /> <br /> Семинар (3 пара): https://zoom.us/j/92946252020<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Вторник || [https://telegram.me/murr4a Елена Кантонистова] || [https://telegram.me/polkarpovkirill Кирилл Поликарпов] || jVh8mtz || https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ<br /> |-<br /> | Пятница || [https://telegram.me/TitoVlad Влад Титов] || [https://t.me/tema7707 Широков Артемий] || RSYhTsc || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки);<br /> <br /> * домашние задания (в том числе соревнование на Kaggle);<br /> <br /> * коллоквиум;<br /> <br /> * экзамен.<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Материалы лекций: https://github.com/Murcha1990/ML_Econom_2020-2021/tree/master/Лекции<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Материалы семинаров: https://github.com/Murcha1990/ML_Econom_2020-2021/tree/master/Семинары<br /> <br /> '''Семинар 1.''' Матричное дифференцирование. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1.pdf Презентация].<br /> <br /> '''Семинар 2.''' Линейная регрессия. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Seminar2_full.ipynb Заполненный ноутбук].<br /> <br /> == Домашние задания ==<br /> На курсе планируется около 10 домашних заданий. Формула вычисления итоговой оценки: среднее из n-2 домашних заданий с максимальными баллами, где n - это итоговое количество домашек.<br /> <br /> Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/ anytask]. <br /> <br /> '''Домашняя работа 1.''' Задачи про матричное дифференцирование из [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1_with_homework.pdf задачника].<br /> <br /> '''Домашняя работа 2.''' Написать собственную многомерную линейную регрессию. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Homework2.ipynb Ноутбук с шаблоном].<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=45255 Машинное обучение (ФЭН) - 2020 2020-09-27T14:51:40Z <p>Naykht: </p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu<br /> <br /> === Лекции и семинары ===<br /> Все материалы лекций и семинаров находятся здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> Лекция (2 пара): https://zoom.us/j/96228524411<br /> <br /> Семинар (3 пара): https://zoom.us/j/92946252020<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Вторник || [https://telegram.me/murr4a Елена Кантонистова] || [https://telegram.me/polkarpovkirill Кирилл Поликарпов] || jVh8mtz || https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ<br /> |-<br /> | Пятница || [https://telegram.me/TitoVlad Влад Титов] || [https://t.me/tema7707 Широков Артемий] || RSYhTsc || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки)<br /> <br /> * домашние задания (в том числе соревнование на Kaggle)<br /> <br /> * коллоквиум<br /> <br /> * экзамен<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Материалы лекций: https://github.com/Murcha1990/ML_Econom_2020-2021/tree/master/Лекции<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Материалы семинаров: https://github.com/Murcha1990/ML_Econom_2020-2021/tree/master/Семинары<br /> <br /> '''Семинар 1.''' Матричное дифференцирование. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1.pdf Презентация].<br /> <br /> '''Семинар 2.''' Линейная регрессия. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Seminar2_full.ipynb Заполненный ноутбук].<br /> <br /> == Домашние задания ==<br /> На курсе планируется около 10 домашних заданий. Формула вычисления итоговой оценки: среднее из n-2 домашних заданий с максимальными баллами, где n - это итоговое количество домашек.<br /> <br /> Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/ anytask]. <br /> <br /> '''Домашняя работа 1.''' Задачи про матричное дифференцирование из [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1_with_homework.pdf задачника].<br /> <br /> '''Домашняя работа 2.''' Написать собственную многомерную линейную регрессию. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Homework2.ipynb Ноутбук с шаблоном].<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=45254 Машинное обучение (ФЭН) - 2020 2020-09-27T14:49:07Z <p>Naykht: </p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu<br /> <br /> === Семинары ===<br /> <br /> Лекция (2 пара): https://zoom.us/j/96228524411<br /> <br /> Семинар (3 пара): https://zoom.us/j/92946252020<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Вторник || [https://telegram.me/murr4a Елена Кантонистова] || [https://telegram.me/polkarpovkirill Кирилл Поликарпов] || jVh8mtz || https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ<br /> |-<br /> | Пятница || [https://telegram.me/TitoVlad Влад Титов] || [https://t.me/tema7707 Широков Артемий] || RSYhTsc || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки)<br /> <br /> * домашние задания (в том числе соревнование на Kaggle)<br /> <br /> * коллоквиум<br /> <br /> * экзамен<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Материалы лекций: https://github.com/Murcha1990/ML_Econom_2020-2021/tree/master/Лекции<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Материалы семинаров: https://github.com/Murcha1990/ML_Econom_2020-2021/tree/master/Семинары<br /> <br /> '''Семинар 1.''' Матричное дифференцирование. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1.pdf Презентация].<br /> <br /> '''Семинар 2.''' Линейная регрессия. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Seminar2_full.ipynb Заполненный ноутбук].<br /> <br /> == Домашние задания ==<br /> На курсе планируется около 10 домашних заданий. Формула вычисления итоговой оценки: среднее из n-2 домашних заданий с максимальными баллами, где n - это итоговое количество домашек.<br /> <br /> Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/ anytask]. <br /> <br /> '''Домашняя работа 1.''' Задачи про матричное дифференцирование из [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1_with_homework.pdf задачника].<br /> <br /> '''Домашняя работа 2.''' Написать собственную многомерную линейную регрессию. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Homework2.ipynb Ноутбук с шаблоном].<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=45253 Машинное обучение (ФЭН) - 2020 2020-09-27T14:48:29Z <p>Naykht: </p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu<br /> <br /> === Семинары ===<br /> <br /> Лекция (2 пара): https://zoom.us/j/96228524411<br /> <br /> Семинар (3 пара): https://zoom.us/j/92946252020<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Вторник || [https://telegram.me/murr4a Елена Кантонистова] || [https://telegram.me/polkarpovkirill Кирилл Поликарпов] || jVh8mtz || https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ<br /> |-<br /> | Пятница || [https://telegram.me/TitoVlad Влад Титов] || [https://t.me/tema7707 Широков Артемий] || RSYhTsc || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки)<br /> <br /> * домашние задания (в том числе соревнование на Kaggle)<br /> <br /> * коллоквиум<br /> <br /> * экзамен<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Все лекции и другие материалы курса можно скачать здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Материалы семинаров: https://github.com/Murcha1990/ML_Econom_2020-2021/tree/master/Семинары<br /> <br /> '''Семинар 1.''' Матричное дифференцирование. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1.pdf Презентация].<br /> <br /> '''Семинар 2.''' Линейная регрессия. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Seminar2_full.ipynb Заполненный ноутбук].<br /> <br /> == Домашние задания ==<br /> На курсе планируется около 10 домашних заданий. Формула вычисления итоговой оценки: среднее из n-2 домашних заданий с максимальными баллами, где n - это итоговое количество домашек.<br /> <br /> Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/ anytask]. <br /> <br /> '''Домашняя работа 1.''' Задачи про матричное дифференцирование из [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1_with_homework.pdf задачника].<br /> <br /> '''Домашняя работа 2.''' Написать собственную многомерную линейную регрессию. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Homework2.ipynb Ноутбук с шаблоном].<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=45252 Машинное обучение (ФЭН) - 2020 2020-09-27T14:46:57Z <p>Naykht: </p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu<br /> <br /> === Семинары ===<br /> <br /> Лекция (2 пара): https://zoom.us/j/96228524411<br /> <br /> Семинар (3 пара): https://zoom.us/j/92946252020<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Вторник || [https://telegram.me/murr4a Елена Кантонистова] || [https://telegram.me/polkarpovkirill Кирилл Поликарпов] || jVh8mtz || https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ<br /> |-<br /> | Пятница || [https://telegram.me/TitoVlad Влад Титов] || [https://t.me/tema7707 Широков Артемий] || RSYhTsc || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки)<br /> <br /> * домашние задания (в том числе соревнование на Kaggle)<br /> <br /> * коллоквиум<br /> <br /> * экзамен<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Все лекции и другие материалы курса можно скачать здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Все материалы курса здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Семинар 1.''' Матричное дифференцирование. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1.pdf Презентация].<br /> <br /> '''Семинар 2.''' Линейная регрессия. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Seminar2_full.ipynb Заполненный ноутбук].<br /> <br /> == Домашние задания ==<br /> На курсе планируется около 10 домашних заданий. Формула вычисления итоговой оценки: среднее из n-2 домашних заданий с максимальными баллами, где n - это итоговое количество домашек.<br /> <br /> Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/ anytask]. <br /> <br /> '''Домашняя работа 1.''' Задачи про матричное дифференцирование из [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1_with_homework.pdf задачника].<br /> <br /> '''Домашняя работа 2.''' Написать собственную многомерную линейную регрессию. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Homework2.ipynb Ноутбук с шаблоном].<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=45251 Машинное обучение (ФЭН) - 2020 2020-09-27T14:46:04Z <p>Naykht: </p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu<br /> <br /> === Семинары ===<br /> <br /> Лекция 22 сентября (2 пара): https://zoom.us/j/96228524411<br /> <br /> Семинар 22 сентября (3 пара): https://zoom.us/j/92946252020<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Вторник || [https://telegram.me/murr4a Елена Кантонистова] || [https://telegram.me/polkarpovkirill Кирилл Поликарпов] || jVh8mtz || https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ<br /> |-<br /> | Пятница || [https://telegram.me/TitoVlad Влад Титов] || [https://t.me/tema7707 Широков Артемий] || RSYhTsc || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки)<br /> <br /> * домашние задания (в том числе соревнование на Kaggle)<br /> <br /> * коллоквиум<br /> <br /> * экзамен<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Все лекции и другие материалы курса можно скачать здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Все материалы курса здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Семинар 1.''' Матричное дифференцирование. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1.pdf Презентация].<br /> <br /> '''Семинар 2.''' Линейная регрессия. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Seminar2_full.ipynb Заполненный ноутбук].<br /> <br /> == Домашние задания ==<br /> На курсе планируется около 10 домашних заданий. Формула вычисления итоговой оценки: среднее из n-2 домашних заданий с максимальными баллами, где n - это итоговое количество домашек.<br /> <br /> Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/ anytask]. <br /> <br /> '''Домашняя работа 1.''' Задачи про матричное дифференцирование из [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1_with_homework.pdf задачника].<br /> <br /> '''Домашняя работа 2.''' Написать собственную многомерную линейную регрессию. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Homework2.ipynb Ноутбук с шаблоном].<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=45250 Машинное обучение (ФЭН) - 2020 2020-09-27T14:45:16Z <p>Naykht: </p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu<br /> <br /> === Семинары ===<br /> <br /> Лекция 22 сентября (2 пара): https://zoom.us/j/96228524411<br /> <br /> Семинар 22 сентября (3 пара): https://zoom.us/j/92946252020<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Вторник || [https://telegram.me/murr4a Елена Кантонистова] || [https://telegram.me/polkarpovkirill Кирилл Поликарпов] || jVh8mtz || https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ<br /> |-<br /> | Пятница || [https://telegram.me/TitoVlad Влад Титов] || [https://t.me/tema7707 Широков Артемий] || RSYhTsc || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки)<br /> <br /> * домашние задания (в том числе соревнование на Kaggle)<br /> <br /> * коллоквиум<br /> <br /> * экзамен<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Все лекции и другие материалы курса можно скачать здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Все материалы курса здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Семинар 1.''' Матричное дифференцирование. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1.pdf Презентация].<br /> <br /> '''Семинар 2.''' Линейная регрессия. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Seminar2_full.ipynb Заполненный ноутбук].<br /> <br /> == Домашние задания ==<br /> На курсе планируется около 10 домашних заданий. Формула вычисления итоговой оценки: среднее из n-2 домашних заданий с максимальными баллами, где n - это итоговое количество домашек.<br /> <br /> Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/ anytask]. <br /> <br /> Инвайты для групп: Группа 1 (семинары проводятся во вторник) - jVh8mtz, Группа 2 (семинары проводятся в пятницу) - RSYhTsc.<br /> <br /> '''Домашняя работа 1.''' Задачи про матричное дифференцирование из [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1_with_homework.pdf задачника].<br /> <br /> '''Домашняя работа 2.''' Написать собственную многомерную линейную регрессию. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Homework2.ipynb Ноутбук с шаблоном].<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=45211 Машинное обучение (ФЭН) - 2020 2020-09-26T15:54:45Z <p>Naykht: </p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu<br /> <br /> === Семинары ===<br /> <br /> Лекция 22 сентября (2 пара): https://zoom.us/j/96228524411<br /> <br /> Семинар 22 сентября (3 пара): https://zoom.us/j/92946252020<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Вторник || [https://telegram.me/murr4a Елена Кантонистова] || [https://telegram.me/polkarpovkirill Кирилл Поликарпов] || || https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ<br /> |-<br /> | Пятница || [https://telegram.me/TitoVlad Влад Титов] || [https://t.me/tema7707 Широков Артемий] || || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки)<br /> <br /> * домашние задания (в том числе соревнование на Kaggle)<br /> <br /> * коллоквиум<br /> <br /> * экзамен<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Все лекции и другие материалы курса можно скачать здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Все материалы курса здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Семинар 1.''' Матричное дифференцирование. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1.pdf Презентация].<br /> <br /> '''Семинар 2.''' Линейная регрессия. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Seminar2_full.ipynb Заполненный ноутбук].<br /> <br /> == Домашние задания ==<br /> На курсе планируется около 10 домашних заданий. Формула вычисления итоговой оценки: среднее из n-2 домашних заданий с максимальными баллами, где n - это итоговое количество домашек.<br /> <br /> Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/ anytask]. <br /> <br /> Инвайты для групп: Группа 1 (семинары проводятся во вторник) - jVh8mtz, Группа 2 (семинары проводятся в пятницу) - RSYhTsc.<br /> <br /> '''Домашняя работа 1.''' Задачи про матричное дифференцирование из [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1_with_homework.pdf задачника].<br /> <br /> '''Домашняя работа 2.''' Написать собственную многомерную линейную регрессию. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Homework2.ipynb Ноутбук с шаблоном].<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=45210 Машинное обучение (ФЭН) - 2020 2020-09-26T15:44:03Z <p>Naykht: добавил слово - Лекции</p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> Лекции - Кантонистова Елена Олеговна<br /> <br /> Семинары - Кантонистова Елена Олеговна, Титов Владислав Валерьевич<br /> <br /> Канал курса: https://t.me/joinchat/AAAAAFNe-ZrRjXbXqrS2CA<br /> <br /> Ссылка на youtube-канал с видеозаписями лекций и семинаров: https://www.youtube.com/playlist?list=PLEwK9wdS5g0pC9b61ea6jyYlSBl7yUCcu<br /> <br /> === Лекции и семинары ===<br /> <br /> Лекция 22 сентября (2 пара): https://zoom.us/j/96228524411<br /> <br /> Семинар 22 сентября (3 пара): https://zoom.us/j/92946252020<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask || Чат в telegram <br /> |-<br /> | Вторник || [https://telegram.me/murr4a Елена Кантонистова] || [https://telegram.me/polkarpovkirill Кирилл Поликарпов] || || https://t.me/joinchat/EWf_G0jzIK_BprmpAvf6iQ<br /> |-<br /> | Пятница || [https://telegram.me/TitoVlad Влад Титов] || [https://t.me/tema7707 Широков Артемий] || || https://t.me/joinchat/EwOn9EWEZpve7WO9v_EXVQ<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> * самостоятельные работы на семинарах (пятиминутки)<br /> <br /> * домашние задания (в том числе соревнование на Kaggle)<br /> <br /> * коллоквиум<br /> <br /> * экзамен<br /> <br /> Все работы оцениваются в 10 баллов. <br /> Активная работа на семинаре добавляет +3 балла к следующей пятиминутке (максимум за пятиминутку в любом случае 10 баллов)<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> '''0.3 * Домашнее задание + 0.2 * Коллоквиум + 0.2 * Работа на семинаре + 0.3 * Экзамен'''<br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> Все лекции и другие материалы курса можно скачать здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Лекция 1.''' Введение в машинное обучение: основные понятия, постановка задачи, обучение, цикл решения задачи анализа данных.<br /> <br /> '''Лекция 2.''' Линейные методы регрессии: аналитическое решение задачи линейной регрессии, метод градиентного спуска и его вариации.<br /> <br /> == Семинары ==<br /> Все материалы курса здесь: https://github.com/Murcha1990/ML_Econom_2020-2021<br /> <br /> '''Семинар 1.''' Матричное дифференцирование. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1.pdf Презентация].<br /> <br /> '''Семинар 2.''' Линейная регрессия. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Seminar2_full.ipynb Заполненный ноутбук].<br /> <br /> == Домашние задания ==<br /> На курсе планируется около 10 домашних заданий. Формула вычисления итоговой оценки: среднее из n-2 домашних заданий с максимальными баллами, где n - это итоговое количество домашек.<br /> <br /> Все домашние работы, а также пятиминутки в начале семинаров необходимо сдавать в [https://anytask.org/ anytask]. <br /> <br /> Инвайты для групп: Группа 1 (семинары проводятся во вторник) - jVh8mtz, Группа 2 (семинары проводятся в пятницу) - RSYhTsc.<br /> <br /> '''Домашняя работа 1.''' Задачи про матричное дифференцирование из [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%201/seminar_1_with_homework.pdf задачника].<br /> <br /> '''Домашняя работа 2.''' Написать собственную многомерную линейную регрессию. [https://github.com/Murcha1990/ML_Econom_2020-2021/blob/master/Семинары/Семинар%202/Homework2.ipynb Ноутбук с шаблоном].<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%A1%D0%BE%D0%B7%D0%B4%D0%B0%D1%82%D1%8C_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D1%83&diff=43041 Создать страницу 2020-08-31T17:00:55Z <p>Naykht: Naykht переименовал страницу Создать страницу в Машинное обучение (ФЭН) - 2020</p> <hr /> <div>#перенаправление [[Машинное обучение (ФЭН) - 2020]]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=43040 Машинное обучение (ФЭН) - 2020 2020-08-31T17:00:54Z <p>Naykht: Naykht переименовал страницу Создать страницу в Машинное обучение (ФЭН) - 2020</p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> <br /> === Семинары ===<br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент !! Gitlab Username !! Расписание <br /> |-<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> <br /> <br /> == Семинары ==<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2020&diff=43039 Машинное обучение (ФЭН) - 2020 2020-08-31T16:59:33Z <p>Naykht: Новая страница: «== О курсе == &#039;&#039;&#039;Преподаватели:&#039;&#039;&#039; === Семинары === {| class=&quot;wikitable&quot; |- ! Группа !! Преподаватель !! Учеб…»</p> <hr /> <div>== О курсе ==<br /> <br /> '''Преподаватели:'''<br /> <br /> <br /> === Семинары ===<br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент !! Gitlab Username !! Расписание <br /> |-<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> <br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> <br /> == Коллоквиум ==<br /> <br /> <br /> '''Правила'''<br /> <br /> <br /> == Экзамен ==<br /> <br /> <br /> == Лекции ==<br /> <br /> <br /> == Семинары ==<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. [http://www-stat.stanford.edu/~tibs/ElemStatLearn/download.html The Elements of Statistical Learning (2nd edition).] Springer, 2009.r, 2009.<br /> * Bishop C. M. [http://research.microsoft.com/en-us/um/people/cmbishop/prml/ Pattern Recognition and Machine Learning.] Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [https://github.com/esokolov/ml-course-hse Курс по машииному обучению Евгения Соколова на ПМИ ФКН]<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]</div> Naykht