Wiki - Факультет компьютерных наук - Вклад [ru]

Panda-metrics-2024-25

2024-09-04T19:06:52Z

Nikita Gorevoy:

== What-about ==

== Course goals ==

侍には目標がなく道しかない [Samurai niwa mokuhyō ga naku michi shikanai]

A samurai has no goal, only a path.

== Communication ==

Telegram channel: [https://t.me/+gBipDIgUZz9jMzUy link]

Telegram chat: [https://t.me/+7zJSwLK_W3E0Mjky link]

== Grading ==

Semester-1 grade = 0.2 HA-1 + 0.4 Exam-Alpha + 0.4 Exam-Beta.

Semester-2 grade = 0.2 HA-2 + 0.4 Exam-Gamma + 0.4 Exam-Delta.

Final course grade = 0.5 Semester-1 grade + 0.5 Semester-2 grade

=== Home assignments ===

[https://github.com/bdemeshev/hse_panda_metrics_2024_2025/raw/main/home_assignments/home_assignments.pdf Home assignments :)]

Home assignments have equal weights. You have 4 honey weeks for the entire course.

=== Exams ===

== Samurai diary ==

2024-09-02, lecture 1: Derivation of beta hat in the cases of a very simple regression and multiple regression.

Panda-metrics-2024-25

2024-09-04T19:06:41Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-06-24T19:54:59Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2016 года.

Лекции проходят по четвергам в 13:00 по [ ссылке].

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/575421363 Карточка курса и программа]

[https://www.youtube.com/playlist?list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Плейлист с записями лекций]

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

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

[https://t.me/hse_iad_2023 Канал в telegram для объявлений]

[https://t.me/+DskJpRFWM1thNGVi Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы)]

[https://anytask.org/course/1079 Ссылка на курс в Anytask]

Таблица с оценками

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask
|-
| ИАД-1 || [https://t.me/arorlov Артем Червяков] || [https://t.me/Mega_Serega Овчинников Вячеслав] || [https://us06web.zoom.us/j/88101531044?pwd=4ns3BiQfnRX7INDyM46ggwtGQeBzmK.1 Zoom] || [https://t.me/+MQtXSrZMnXUwNTdi Чат] || 73TKmAE
|-
| ИАД-2 || [https://t.me/airogachev Александр Рогачев] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/yaroslav_i_am Присталов Ярослав] || [https://us06web.zoom.us/j/82215727946?pwd=o9QyQmu9rDiDHaRPAkg4ecSaS67yeM.1 Zoom] || [https://t.me/+MzDukKffF09jZWJi Чат] || HlpH0lb
|-
| ИАД-3 || [https://t.me/bredikhin_alexander Александр Бредихин] || [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/89215882198?pwd=bhNir0tBLNfSodjUliddldhe4qYv8d.1 Zoom] || [https://t.me/+1Crj8C887cw1M2Vi Чат] || 9seivZz
|-
| ИАД-4 || [https://t.me/markblumenau Марк Блуменау] || [https://t.me/nogaromo Егор Горяной] || [https://us06web.zoom.us/j/88358502032?pwd=cW1LepQVWa4sTQ9QRMOYhR3hBmVxb1.1 Zoom] || [https://t.me/+AYZjugDwnbtmNzhi Чат] || IRx20G6
|-
| ИАД-5 || [https://t.me/kostyayatsok Еленик Константин] || [https://t.me/elizzz13 Бичурина Елизавета ] || [https://us06web.zoom.us/j/83206718571?pwd=00ga11pqlgs18pLfyBN61feYFFT7Wv.1 Zoom] || [https://t.me/+wwLEs60BAvUzZjdi Чат] || VmVhvMm
|-
| ИАД-6 || [https://t.me/caesiummm Михаил Никифоров] || [https://t.me/kemmeritocracy Анастасия Кеммер] || [https://us06web.zoom.us/j/89865037197?pwd=j1x5id317hx8J8yW397zizJwrrPeVY.1 Zoom] || [https://t.me/+c4qD2t7tkH1lODEy Чат] || Gd8a9wC
|-
| ИАД-7 || [https://t.me/murr4a Кантонистова Елена] || [https://t.me/Einstein_30 Карагодин Никита] || [https://us06web.zoom.us/j/85846101682?pwd=1x8d75ByFT8sRYOFvirN0YzKxljj4w.1 Zoom] || [https://t.me/+08dG863DcYczMmJi Чат] || P2f0IkQ
|-
| ИАД-8 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/dedpe Козлов Кирилл] || [https://us06web.zoom.us/j/81113602248?pwd=yS3y875aBOa2WQoONsHkcHrz3XMOHb.1 Zoom] || [https://t.me/+lZDFzaff3-FmZTQ6 Чат] || gIeDYHh
|-
| ИАД-9 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/lneyronl Трофименко Илья], [https://t.me/NikitaGorevoy Никита Горевой] || [https://us06web.zoom.us/j/86391846865?pwd=au9SaLsrSnA7e4NlGzgcqyOF4rV5c9.1 Zoom] || [https://t.me/+szF0qcXO5pwyMTNi Чат] || BsMrA6v
|-
| ИАД-10 || [https://t.me/Ppilif Филипп Ульянкин] || [https://t.me/AlZayts Александр Зайцев], [https://t.me/NikitaGorevoy Никита Горевой] || [https://yandex.zoom.us/j/98029654698 Zoom] || [https://t.me/+zS9p_GDGzNFkYTZi Чат] || hSl0gyh
|-

|}

=== Правила выставления оценок ===

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

Итоговая оценка вычисляется по формуле:

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

ДЗ — средняя оценка за практические домашние задания

КР — оценка за контрольную работу

Э — оценка за экзамен

Итоговое округление арифметическое.

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.

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

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

== Лекции ==

Все лекции лежат на [https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures гитхабе].

'''Лекция 1''' (25.01.2024). Генеративно-состязательные сети. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec01_GAN.pdf Слайды]]
[[https://www.youtube.com/watch?v=toz1LEQdRH4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Запись лекции]].

'''Лекция 2''' (08.02.2024). Генеративные модели для изображений. [[https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures/lec02_diffusion Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 3''' (22.02.2024). 3D-реконструкция. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec04_3d_reconstruction.pdf Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 4''' (22.02.2024). Нормализационные потоки. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec03_nf.pdf Слайды]]
[[https://www.youtube.com/watch?v=HmVnjjrBGYc&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=21 Запись лекции]].

'''Лекция 5''' (29.02.2024). DL в звуке 1. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec05_audio_intro.pdf Слайды]]
[[https://www.youtube.com/watch?v=8Z4mV8F7Yro&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=22 Запись лекции]].

'''Лекция 6''' (07.03.2024). DL в звуке 2. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec06_source_sep.pdf Слайды]]
[[https://www.youtube.com/watch?v=OFwh8iM28Ow&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=32 Запись лекции]].

'''Лекция 7''' (14.03.2024). State of the LLM Landscape. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec07_state_of_the_LLM_Landscape.pdf Слайды]]
[[https://www.youtube.com/watch?v=dmOd76gMXlA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=41 Запись лекции]].

'''Лекция 8''' (21.03.2024). Some Notes on LLMs in the Wild. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec08_LLMs_in_the_wild.pdf Слайды]]
[[https://www.youtube.com/watch?v=61qK_lLkV3A&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=46 Запись лекции]].

'''Лекция 9''' (04.04.2024). Введение в глубинное обучение в анализе графовых данных. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec09_gnn.pdf Слайды]]
[[https://www.youtube.com/watch?v=asN-UbTmqfA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=51 Запись лекции]].

'''Лекции 10, 11''' (11.04.2024). Временные ряды: методы и задачи. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec10_11_timeseries.pdf Слайды]]
[[https://www.youtube.com/watch?v=ffGdPKUVBd4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=65 Запись лекции]].

'''Лекция 12''' (19.04.2024). Introduction to MLOps. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec12_13_mlOps.pdf Слайды]]
[[https://www.youtube.com/watch?v=I8LHWDnLA8o&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=66 Запись лекции]].

'''Лекция 13''' (25.04.2024). Введение в современный MLOps. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec12_13_mlOps.pdf Слайды]]
[[https://www.youtube.com/watch?v=vCTE4IaDUoE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=72 Запись лекции]].

'''Лекция 14''' (16.05.2024). Recsys Intro. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec14_RecSys_HSE_1_Intro_slides.pdf Слайды]]
[[https://www.youtube.com/watch?v=lF_fYldpZG0&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=78 Запись лекции]].

'''Лекция 15''' (23.05.2024). Recsys Advanced. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec15_RecSys_HSE_2_Advanced.pdf Слайды]]
[[https://www.youtube.com/watch?v=6M1Ptn3dnDM&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=83 Запись лекции]].

'''Лекция 16''' (30.05.2024). Data Science in HealthTech. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec16_data_science_in_health_tech.pdf Слайды]]
[[https://www.youtube.com/watch?v=GUBj54mmy3U&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=88 Запись лекции]].

== Семинары ==

'''Семинар 1''' (01.02.2024). Генеративно-состязательные сети. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/01_GANs/01_GANs.ipynb Тетрадка]

'''Семинар 2''' (15.02.2024). Диффузионные модели. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/02_Diffusions/02_Diffusions.ipynb Тетрадка]

'''Семинар 3''' (29.02.2024). Нормализационные потоки. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/03_Flows/03_Flows.ipynb Тетрадка]

'''Семинар 4''' (07.03.2024). NeRF: Neural Radiance Field. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/04_NeRF/04_NERF.ipynb Тетрадка]

'''Семинар 5''' (14.03.2024). Обработка звука. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/05_Audio_intro_to_DSP/05_Audio_Intro.ipynb5 Тетрадка]

'''Семинар 6''' (21.03.2024). Levenstein distance, Word Error Rate и CTC. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/06_CTC/06_LD_WER_CTC.ipynb Тетрадка]

'''Семинар 7''' (04.04.2024). Большие языковые модели. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/07_LLM/07_LLM.ipynb Тетрадка]

'''Семинар 8''' (11.04.2024). Обучение представлений на графах. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/08_GRAPH/08_GRAPH.ipynb Тетрадка]

'''Семинар 9''' (18.04.2024). Временные ряды I. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/09_Time_Series_1/09_ts.ipynb Тетрадка]

'''Семинар 10''' (25.04.2024). Временные ряды II. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/10_Time_Series_2/10_ts.ipynb Тетрадка]

'''Семинар 11''' (16.05.2024). Bash. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/11_Bash/11_bash.ipynb Тетрадка]

'''Семинар 12''' (23.05.2024). Рекомендательные системы. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/12_RecSys/recsys.ipynb Тетрадка]

'''Семинар 13''' (30.05.2024). Матричные факторизации. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/13_ALS/als.ipynb Тетрадка]

== Практические задания ==
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

===Задание 1. Генеративные модели===

'''Мягкий дедлайн''': 03 марта 2024 года 23:59

'''Жесткий дедлайн''': 10 марта 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw1_gan

===Задание 2. Deep learning для обработки звука===

'''Мягкий дедлайн''': 21 апреля 2024 года 23:59

'''Жесткий дедлайн''': 28 апреля 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw2_audio

===Задание 3. Временные ряды===

'''Мягкий дедлайн''': 19 мая 2024 года 23:59

'''Жесткий дедлайн''': 26 мая 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw3_ts

===Задание 4. Рекомендательные системы ===

'''Мягкий и жесткий дедлайн''': 16 июня 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw4_recsys

== Контрольная работа ==

== Экзамен ==

== Страницы прошлых лет ==

[[Прикладные_задачи_анализа_данных | 2022/23 учебный год]]

[[Прикладные_задачи_анализа_данных/2022 | 2021/22 учебный год]]

[[Прикладные_задачи_анализа_данных/2020_2021 | 2020/21 учебный год ]]

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

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

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

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

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

Прикладные задачи анализа данных/2024

2024-06-24T19:43:00Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2016 года.

Лекции проходят по четвергам в 13:00 по [ ссылке].

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/575421363 Карточка курса и программа]

[https://www.youtube.com/playlist?list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Плейлист с записями лекций]

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

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

[https://t.me/hse_iad_2023 Канал в telegram для объявлений]

[https://t.me/+DskJpRFWM1thNGVi Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы)]

[https://anytask.org/course/1079 Ссылка на курс в Anytask]

Таблица с оценками

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask
|-
| ИАД-1 || [https://t.me/arorlov Артем Червяков] || [https://t.me/Mega_Serega Овчинников Вячеслав] || [https://us06web.zoom.us/j/88101531044?pwd=4ns3BiQfnRX7INDyM46ggwtGQeBzmK.1 Zoom] || [https://t.me/+MQtXSrZMnXUwNTdi Чат] || 73TKmAE
|-
| ИАД-2 || [https://t.me/airogachev Александр Рогачев] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/yaroslav_i_am Присталов Ярослав] || [https://us06web.zoom.us/j/82215727946?pwd=o9QyQmu9rDiDHaRPAkg4ecSaS67yeM.1 Zoom] || [https://t.me/+MzDukKffF09jZWJi Чат] || HlpH0lb
|-
| ИАД-3 || [https://t.me/bredikhin_alexander Александр Бредихин] || [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/89215882198?pwd=bhNir0tBLNfSodjUliddldhe4qYv8d.1 Zoom] || [https://t.me/+1Crj8C887cw1M2Vi Чат] || 9seivZz
|-
| ИАД-4 || [https://t.me/markblumenau Марк Блуменау] || [https://t.me/nogaromo Егор Горяной] || [https://us06web.zoom.us/j/88358502032?pwd=cW1LepQVWa4sTQ9QRMOYhR3hBmVxb1.1 Zoom] || [https://t.me/+AYZjugDwnbtmNzhi Чат] || IRx20G6
|-
| ИАД-5 || [https://t.me/kostyayatsok Еленик Константин] || [https://t.me/elizzz13 Бичурина Елизавета ] || [https://us06web.zoom.us/j/83206718571?pwd=00ga11pqlgs18pLfyBN61feYFFT7Wv.1 Zoom] || [https://t.me/+wwLEs60BAvUzZjdi Чат] || VmVhvMm
|-
| ИАД-6 || [https://t.me/caesiummm Михаил Никифоров] || [https://t.me/kemmeritocracy Анастасия Кеммер] || [https://us06web.zoom.us/j/89865037197?pwd=j1x5id317hx8J8yW397zizJwrrPeVY.1 Zoom] || [https://t.me/+c4qD2t7tkH1lODEy Чат] || Gd8a9wC
|-
| ИАД-7 || [https://t.me/murr4a Кантонистова Елена] || [https://t.me/Einstein_30 Карагодин Никита] || [https://us06web.zoom.us/j/85846101682?pwd=1x8d75ByFT8sRYOFvirN0YzKxljj4w.1 Zoom] || [https://t.me/+08dG863DcYczMmJi Чат] || P2f0IkQ
|-
| ИАД-8 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/dedpe Козлов Кирилл] || [https://us06web.zoom.us/j/81113602248?pwd=yS3y875aBOa2WQoONsHkcHrz3XMOHb.1 Zoom] || [https://t.me/+lZDFzaff3-FmZTQ6 Чат] || gIeDYHh
|-
| ИАД-9 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/lneyronl Трофименко Илья], [https://t.me/NikitaGorevoy Никита Горевой] || [https://us06web.zoom.us/j/86391846865?pwd=au9SaLsrSnA7e4NlGzgcqyOF4rV5c9.1 Zoom] || [https://t.me/+szF0qcXO5pwyMTNi Чат] || BsMrA6v
|-
| ИАД-10 || [https://t.me/Ppilif Филипп Ульянкин] || [https://t.me/AlZayts Александр Зайцев], [https://t.me/NikitaGorevoy Никита Горевой] || [https://yandex.zoom.us/j/98029654698 Zoom] || [https://t.me/+zS9p_GDGzNFkYTZi Чат] || hSl0gyh
|-

|}

=== Правила выставления оценок ===

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

Итоговая оценка вычисляется по формуле:

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

ДЗ — средняя оценка за практические домашние задания

КР — оценка за контрольную работу

Э — оценка за экзамен

Итоговое округление арифметическое.

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.

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

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

== Лекции ==

Все лекции лежат на [https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures гитхабе].

'''Лекция 1''' (25.01.2024). Генеративно-состязательные сети. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec01_GAN.pdf Слайды]]
[[https://www.youtube.com/watch?v=toz1LEQdRH4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Запись лекции]].

'''Лекция 2''' (08.02.2024). Генеративные модели для изображений. [[https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures/lec02_diffusion Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 3''' (26.02.2024). 3D-реконструкция. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec04_3d_reconstruction.pdf Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 4''' (26.02.2024). Нормализационные потоки. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec03_nf.pdf Слайды]]
[[https://www.youtube.com/watch?v=HmVnjjrBGYc&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=21 Запись лекции]].

'''Лекция 5''' (01.03.2024). DL в звуке 1. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec05_audio_intro.pdf Слайды]]
[[https://www.youtube.com/watch?v=8Z4mV8F7Yro&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=22 Запись лекции]].

'''Лекция 6''' (11.03.2024). DL в звуке 2. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec06_source_sep.pdf Слайды]]
[[https://www.youtube.com/watch?v=OFwh8iM28Ow&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=32 Запись лекции]].

'''Лекция 7''' (14.03.2024). State of the LLM Landscape. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec07_state_of_the_LLM_Landscape.pdf Слайды]]
[[https://www.youtube.com/watch?v=dmOd76gMXlA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=41 Запись лекции]].

'''Лекция 8''' (22.03.2024). Some Notes on LLMs in the Wild. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec08_LLMs_in_the_wild.pdf Слайды]]
[[https://www.youtube.com/watch?v=61qK_lLkV3A&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=46 Запись лекции]].

'''Лекция 9''' (05.04.2024). Введение в глубинное обучение в анализе графовых данных. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec09_gnn.pdf Слайды]]
[[https://www.youtube.com/watch?v=asN-UbTmqfA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=51 Запись лекции]].

'''Лекция 10, 11''' (19.04.2024). Временные ряды: методы и задачи. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec10_timeseries.pdf Слайды]]
[[https://www.youtube.com/watch?v=ffGdPKUVBd4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=65 Запись лекции]].

== Семинары ==

'''Семинар 1''' (01.02.2024). Генеративно-состязательные сети. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/01_GANs/01_GANs.ipynb Тетрадка]

'''Семинар 2''' (15.02.2024). Диффузионные модели. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/02_Diffusions/02_Diffusions.ipynb Тетрадка]

'''Семинар 3''' (29.02.2024). Нормализационные потоки. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/03_Flows/03_Flows.ipynb Тетрадка]

'''Семинар 4''' (07.03.2024). NeRF: Neural Radiance Field. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/04_NeRF/04_NERF.ipynb Тетрадка]

'''Семинар 5''' (14.03.2024). Обработка звука. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/05_Audio_intro_to_DSP/05_Audio_Intro.ipynb5 Тетрадка]

'''Семинар 6''' (21.03.2024). Levenstein distance, Word Error Rate и CTC. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/06_CTC/06_LD_WER_CTC.ipynb Тетрадка]

'''Семинар 7''' (04.04.2024). Большие языковые модели. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/07_LLM/07_LLM.ipynb Тетрадка]

'''Семинар 8''' (11.04.2024). Обучение представлений на графах. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/08_GRAPH/08_GRAPH.ipynb Тетрадка]

'''Семинар 9''' (18.04.2024). Временные ряды I. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/09_Time_Series_1/09_ts.ipynb Тетрадка]

'''Семинар 10''' (25.04.2024). Временные ряды II. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/10_Time_Series_2/10_ts.ipynb Тетрадка]

'''Семинар 11''' (16.05.2024). Bash. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/11_Bash/11_bash.ipynb Тетрадка]

'''Семинар 12''' (23.05.2024). Рекомендательные системы. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/12_RecSys/recsys.ipynb Тетрадка]

'''Семинар 13''' (30.05.2024). Матричные факторизации. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/13_ALS/als.ipynb Тетрадка]

== Практические задания ==
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

===Задание 1. Генеративные модели===

'''Мягкий дедлайн''': 03 марта 2024 года 23:59

'''Жесткий дедлайн''': 10 марта 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw1_gan

===Задание 2. Deep learning для обработки звука===

'''Мягкий дедлайн''': 21 апреля 2024 года 23:59

'''Жесткий дедлайн''': 28 апреля 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw2_audio

===Задание 3. Временные ряды===

'''Мягкий дедлайн''': 19 мая 2024 года 23:59

'''Жесткий дедлайн''': 26 мая 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw3_ts

===Задание 4. Рекомендательные системы ===

'''Мягкий и жесткий дедлайн''': 16 июня 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw4_recsys

== Контрольная работа ==

== Экзамен ==

== Страницы прошлых лет ==

[[Прикладные_задачи_анализа_данных | 2022/23 учебный год]]

[[Прикладные_задачи_анализа_данных/2022 | 2021/22 учебный год]]

[[Прикладные_задачи_анализа_данных/2020_2021 | 2020/21 учебный год ]]

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

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

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

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

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

Прикладные задачи анализа данных/2024

2024-06-24T19:38:44Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2016 года.

Лекции проходят по четвергам в 13:00 по [ ссылке].

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/575421363 Карточка курса и программа]

[https://www.youtube.com/playlist?list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Плейлист с записями лекций]

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

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

[https://t.me/hse_iad_2023 Канал в telegram для объявлений]

[https://t.me/+DskJpRFWM1thNGVi Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы)]

[https://anytask.org/course/1079 Ссылка на курс в Anytask]

Таблица с оценками

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask
|-
| ИАД-1 || [https://t.me/arorlov Артем Червяков] || [https://t.me/Mega_Serega Овчинников Вячеслав] || [https://us06web.zoom.us/j/88101531044?pwd=4ns3BiQfnRX7INDyM46ggwtGQeBzmK.1 Zoom] || [https://t.me/+MQtXSrZMnXUwNTdi Чат] || 73TKmAE
|-
| ИАД-2 || [https://t.me/airogachev Александр Рогачев] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/yaroslav_i_am Присталов Ярослав] || [https://us06web.zoom.us/j/82215727946?pwd=o9QyQmu9rDiDHaRPAkg4ecSaS67yeM.1 Zoom] || [https://t.me/+MzDukKffF09jZWJi Чат] || HlpH0lb
|-
| ИАД-3 || [https://t.me/bredikhin_alexander Александр Бредихин] || [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/89215882198?pwd=bhNir0tBLNfSodjUliddldhe4qYv8d.1 Zoom] || [https://t.me/+1Crj8C887cw1M2Vi Чат] || 9seivZz
|-
| ИАД-4 || [https://t.me/markblumenau Марк Блуменау] || [https://t.me/nogaromo Егор Горяной] || [https://us06web.zoom.us/j/88358502032?pwd=cW1LepQVWa4sTQ9QRMOYhR3hBmVxb1.1 Zoom] || [https://t.me/+AYZjugDwnbtmNzhi Чат] || IRx20G6
|-
| ИАД-5 || [https://t.me/kostyayatsok Еленик Константин] || [https://t.me/elizzz13 Бичурина Елизавета ] || [https://us06web.zoom.us/j/83206718571?pwd=00ga11pqlgs18pLfyBN61feYFFT7Wv.1 Zoom] || [https://t.me/+wwLEs60BAvUzZjdi Чат] || VmVhvMm
|-
| ИАД-6 || [https://t.me/caesiummm Михаил Никифоров] || [https://t.me/kemmeritocracy Анастасия Кеммер] || [https://us06web.zoom.us/j/89865037197?pwd=j1x5id317hx8J8yW397zizJwrrPeVY.1 Zoom] || [https://t.me/+c4qD2t7tkH1lODEy Чат] || Gd8a9wC
|-
| ИАД-7 || [https://t.me/murr4a Кантонистова Елена] || [https://t.me/Einstein_30 Карагодин Никита] || [https://us06web.zoom.us/j/85846101682?pwd=1x8d75ByFT8sRYOFvirN0YzKxljj4w.1 Zoom] || [https://t.me/+08dG863DcYczMmJi Чат] || P2f0IkQ
|-
| ИАД-8 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/dedpe Козлов Кирилл] || [https://us06web.zoom.us/j/81113602248?pwd=yS3y875aBOa2WQoONsHkcHrz3XMOHb.1 Zoom] || [https://t.me/+lZDFzaff3-FmZTQ6 Чат] || gIeDYHh
|-
| ИАД-9 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/lneyronl Трофименко Илья], [https://t.me/NikitaGorevoy Никита Горевой] || [https://us06web.zoom.us/j/86391846865?pwd=au9SaLsrSnA7e4NlGzgcqyOF4rV5c9.1 Zoom] || [https://t.me/+szF0qcXO5pwyMTNi Чат] || BsMrA6v
|-
| ИАД-10 || [https://t.me/Ppilif Филипп Ульянкин] || [https://t.me/AlZayts Александр Зайцев], [https://t.me/NikitaGorevoy Никита Горевой] || [https://yandex.zoom.us/j/98029654698 Zoom] || [https://t.me/+zS9p_GDGzNFkYTZi Чат] || hSl0gyh
|-

|}

=== Правила выставления оценок ===

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

Итоговая оценка вычисляется по формуле:

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

ДЗ — средняя оценка за практические домашние задания

КР — оценка за контрольную работу

Э — оценка за экзамен

Итоговое округление арифметическое.

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.

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

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

== Лекции ==

Все лекции лежат на [https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures гитхабе].

'''Лекция 1''' (25.01.2024). Генеративно-состязательные сети. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec01_GAN.pdf Слайды]]
[[https://www.youtube.com/watch?v=toz1LEQdRH4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Запись лекции]].

'''Лекция 2''' (08.02.2024). Генеративные модели для изображений. [[https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures/lec02_diffusion Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 3''' (26.02.2024). 3D-реконструкция. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec04_3d_reconstruction.pdf Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 4''' (26.02.2024). Нормализационные потоки. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec03_nf.pdf Слайды]]
[[https://www.youtube.com/watch?v=HmVnjjrBGYc&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=21 Запись лекции]].

'''Лекция 5''' (01.03.2024). DL в звуке 1. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec05_audio_intro.pdf Слайды]]
[[https://www.youtube.com/watch?v=8Z4mV8F7Yro&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=22 Запись лекции]].

'''Лекция 6''' (11.03.2024). DL в звуке 2. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec06_source_sep.pdf Слайды]]
[[https://www.youtube.com/watch?v=OFwh8iM28Ow&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=32 Запись лекции]].

'''Лекция 7''' (14.03.2024). State of the LLM Landscape. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec07_state_of_the_LLM_Landscape.pdf Слайды]]
[[https://www.youtube.com/watch?v=dmOd76gMXlA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=41 Запись лекции]].

'''Лекция 8''' (22.03.2024). Some Notes on LLMs in the Wild. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec08_LLMs_in_the_wild.pdf Слайды]]
[[https://www.youtube.com/watch?v=61qK_lLkV3A&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=46 Запись лекции]].

'''Лекция 9''' (05.04.2024). Введение в глубинное обучение в анализе графовых данных. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec09_gnn.pdf Слайды]]
[[https://www.youtube.com/watch?v=asN-UbTmqfA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=51 Запись лекции]].

'''Лекция 10, 11''' (19.04.2024). Временные ряды: методы и задачи. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec10_timeseries.pdf Слайды]]
[[https://www.youtube.com/watch?v=ffGdPKUVBd4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=65 Запись лекции]].

== Семинары ==

'''Семинар 1''' (01.02.2024). Генеративно-состязательные сети. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/01_GANs/01_GANs.ipynb Тетрадка]

'''Семинар 2''' (15.02.2024). Диффузионные модели. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/02_Diffusions/02_Diffusions.ipynb Тетрадка]

'''Семинар 3''' (29.02.2024). Нормализационные потоки. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/03_Flows/03_Flows.ipynb Тетрадка]

'''Семинар 4''' (07.03.2024). NeRF: Neural Radiance Field. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/04_NeRF/04_NERF.ipynb Тетрадка]

'''Семинар 5''' (14.03.2024). Обработка звука. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/05_Audio_intro_to_DSP/05_Audio_Intro.ipynb5 Тетрадка]

'''Семинар 6''' (21.03.2024). Levenstein distance, Word Error Rate и CTC. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/06_CTC/06_LD_WER_CTC.ipynb Тетрадка]

'''Семинар 7''' (04.04.2024). Большие языковые модели. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/07_LLM/07_LLM.ipynb Тетрадка]

'''Семинар 8''' (11.04.2024). Обучение представлений на графах. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/08_GRAPH/08_GRAPH.ipynb Тетрадка]

'''Семинар 9''' (18.04.2024). Временные ряды I. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/09_Time_Series_1/09_ts.ipynb Тетрадка]

'''Семинар 10''' (25.04.2024). Временные ряды II. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/10_Time_Series_2/10_ts.ipynb Тетрадка]

== Практические задания ==
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

===Задание 1. Генеративные модели===

'''Мягкий дедлайн''': 03 марта 2024 года 23:59

'''Жесткий дедлайн''': 10 марта 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw1_gan

===Задание 2. Deep learning для обработки звука===

'''Мягкий дедлайн''': 21 апреля 2024 года 23:59

'''Жесткий дедлайн''': 28 апреля 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw2_audio

===Задание 3. Временные ряды===

'''Мягкий дедлайн''': 19 мая 2024 года 23:59

'''Жесткий дедлайн''': 26 мая 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw3_ts

===Задание 4. Рекомендательные системы ===

'''Мягкий и жесткий дедлайн''': 16 июня 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw4_recsys

== Контрольная работа ==

== Экзамен ==

== Страницы прошлых лет ==

[[Прикладные_задачи_анализа_данных | 2022/23 учебный год]]

[[Прикладные_задачи_анализа_данных/2022 | 2021/22 учебный год]]

[[Прикладные_задачи_анализа_данных/2020_2021 | 2020/21 учебный год ]]

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

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

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

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

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

Прикладные задачи анализа данных/2024

2024-05-11T15:14:25Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2016 года.

Лекции проходят по четвергам в 13:00 по [ ссылке].

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/575421363 Карточка курса и программа]

[https://www.youtube.com/playlist?list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Плейлист с записями лекций]

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

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

[https://t.me/hse_iad_2023 Канал в telegram для объявлений]

[https://t.me/+DskJpRFWM1thNGVi Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы)]

[https://anytask.org/course/1079 Ссылка на курс в Anytask]

Таблица с оценками

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask
|-
| ИАД-1 || [https://t.me/arorlov Артем Червяков] || [https://t.me/Mega_Serega Овчинников Вячеслав] || [https://us06web.zoom.us/j/88101531044?pwd=4ns3BiQfnRX7INDyM46ggwtGQeBzmK.1 Zoom] || [https://t.me/+MQtXSrZMnXUwNTdi Чат] || 73TKmAE
|-
| ИАД-2 || [https://t.me/airogachev Александр Рогачев] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/yaroslav_i_am Присталов Ярослав] || [https://us06web.zoom.us/j/82215727946?pwd=o9QyQmu9rDiDHaRPAkg4ecSaS67yeM.1 Zoom] || [https://t.me/+MzDukKffF09jZWJi Чат] || HlpH0lb
|-
| ИАД-3 || [https://t.me/bredikhin_alexander Александр Бредихин] || [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/89215882198?pwd=bhNir0tBLNfSodjUliddldhe4qYv8d.1 Zoom] || [https://t.me/+1Crj8C887cw1M2Vi Чат] || 9seivZz
|-
| ИАД-4 || [https://t.me/markblumenau Марк Блуменау] || [https://t.me/nogaromo Егор Горяной] || [https://us06web.zoom.us/j/88358502032?pwd=cW1LepQVWa4sTQ9QRMOYhR3hBmVxb1.1 Zoom] || [https://t.me/+AYZjugDwnbtmNzhi Чат] || IRx20G6
|-
| ИАД-5 || [https://t.me/kostyayatsok Еленик Константин] || [https://t.me/elizzz13 Бичурина Елизавета ] || [https://us06web.zoom.us/j/83206718571?pwd=00ga11pqlgs18pLfyBN61feYFFT7Wv.1 Zoom] || [https://t.me/+wwLEs60BAvUzZjdi Чат] || VmVhvMm
|-
| ИАД-6 || [https://t.me/caesiummm Михаил Никифоров] || [https://t.me/kemmeritocracy Анастасия Кеммер] || [https://us06web.zoom.us/j/89865037197?pwd=j1x5id317hx8J8yW397zizJwrrPeVY.1 Zoom] || [https://t.me/+c4qD2t7tkH1lODEy Чат] || Gd8a9wC
|-
| ИАД-7 || [https://t.me/murr4a Кантонистова Елена] || [https://t.me/Einstein_30 Карагодин Никита] || [https://us06web.zoom.us/j/85846101682?pwd=1x8d75ByFT8sRYOFvirN0YzKxljj4w.1 Zoom] || [https://t.me/+08dG863DcYczMmJi Чат] || P2f0IkQ
|-
| ИАД-8 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/dedpe Козлов Кирилл] || [https://us06web.zoom.us/j/81113602248?pwd=yS3y875aBOa2WQoONsHkcHrz3XMOHb.1 Zoom] || [https://t.me/+lZDFzaff3-FmZTQ6 Чат] || gIeDYHh
|-
| ИАД-9 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/lneyronl Трофименко Илья], [https://t.me/NikitaGorevoy Никита Горевой] || [https://us06web.zoom.us/j/86391846865?pwd=au9SaLsrSnA7e4NlGzgcqyOF4rV5c9.1 Zoom] || [https://t.me/+szF0qcXO5pwyMTNi Чат] || BsMrA6v
|-
| ИАД-10 || [https://t.me/Ppilif Филипп Ульянкин] || [https://t.me/AlZayts Александр Зайцев], [https://t.me/NikitaGorevoy Никита Горевой] || [https://yandex.zoom.us/j/98029654698 Zoom] || [https://t.me/+zS9p_GDGzNFkYTZi Чат] || hSl0gyh
|-

|}

=== Правила выставления оценок ===

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

Итоговая оценка вычисляется по формуле:

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

ДЗ — средняя оценка за практические домашние задания

КР — оценка за контрольную работу

Э — оценка за экзамен

Итоговое округление арифметическое.

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.

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

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

== Лекции ==

Все лекции лежат на [https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures гитхабе].

'''Лекция 1''' (25.01.2024). Генеративно-состязательные сети. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec01_GAN.pdf Слайды]]
[[https://www.youtube.com/watch?v=toz1LEQdRH4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Запись лекции]].

'''Лекция 2''' (08.02.2024). Генеративные модели для изображений. [[https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures/lec02_diffusion Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 3''' (26.02.2024). 3D-реконструкция. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec04_3d_reconstruction.pdf Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 4''' (26.02.2024). Нормализационные потоки. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec03_nf.pdf Слайды]]
[[https://www.youtube.com/watch?v=HmVnjjrBGYc&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=21 Запись лекции]].

'''Лекция 5''' (01.03.2024). DL в звуке 1. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec05_audio_intro.pdf Слайды]]
[[https://www.youtube.com/watch?v=8Z4mV8F7Yro&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=22 Запись лекции]].

'''Лекция 6''' (11.03.2024). DL в звуке 2. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec06_source_sep.pdf Слайды]]
[[https://www.youtube.com/watch?v=OFwh8iM28Ow&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=32 Запись лекции]].

'''Лекция 7''' (14.03.2024). State of the LLM Landscape. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec07_state_of_the_LLM_Landscape.pdf Слайды]]
[[https://www.youtube.com/watch?v=dmOd76gMXlA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=41 Запись лекции]].

'''Лекция 8''' (22.03.2024). Some Notes on LLMs in the Wild. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec08_LLMs_in_the_wild.pdf Слайды]]
[[https://www.youtube.com/watch?v=61qK_lLkV3A&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=46 Запись лекции]].

'''Лекция 9''' (05.04.2024). Введение в глубинное обучение в анализе графовых данных. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec09_gnn.pdf Слайды]]
[[https://www.youtube.com/watch?v=asN-UbTmqfA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=51 Запись лекции]].

'''Лекция 10, 11''' (19.04.2024). Временные ряды: методы и задачи. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec10_timeseries.pdf Слайды]]
[[https://www.youtube.com/watch?v=ffGdPKUVBd4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=65 Запись лекции]].

== Семинары ==

'''Семинар 1''' (01.02.2024). Генеративно-состязательные сети. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/01_GANs/01_GANs.ipynb Тетрадка]

'''Семинар 2''' (15.02.2024). Диффузионные модели. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/02_Diffusions/02_Diffusions.ipynb Тетрадка]

'''Семинар 3''' (29.02.2024). Нормализационные потоки. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/03_Flows/03_Flows.ipynb Тетрадка]

'''Семинар 4''' (07.03.2024). NeRF: Neural Radiance Field. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/04_NeRF/04_NERF.ipynb Тетрадка]

'''Семинар 5''' (14.03.2024). Обработка звука. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/05_Audio_intro_to_DSP/05_Audio_Intro.ipynb5 Тетрадка]

'''Семинар 6''' (21.03.2024). Levenstein distance, Word Error Rate и CTC. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/06_CTC/06_LD_WER_CTC.ipynb Тетрадка]

'''Семинар 7''' (04.04.2024). Большие языковые модели. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/07_LLM/07_LLM.ipynb Тетрадка]

'''Семинар 8''' (11.04.2024). Обучение представлений на графах. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/08_GRAPH/08_GRAPH.ipynb Тетрадка]

'''Семинар 9''' (18.04.2024). Временные ряды I. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/09_Time_Series_1/09_ts.ipynb Тетрадка]

'''Семинар 10''' (25.04.2024). Временные ряды II. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/10_Time_Series_2/10_ts.ipynb Тетрадка]

== Практические задания ==
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

===Задание 1. Генеративные модели===

'''Мягкий дедлайн''': 03 марта 2024 года 23:59

'''Жесткий дедлайн''': 10 марта 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw1_gan

===Задание 2. Deep learning для обработки звука===

'''Мягкий дедлайн''': 21 апреля 2024 года 23:59

'''Жесткий дедлайн''': 28 апреля 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw2_audio

===Задание 3. Временные ряды===

'''Мягкий дедлайн''': 19 мая 2024 года 23:59

'''Жесткий дедлайн''': 26 мая 2024 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/tree/2024/homeworks/hw3_ts

== Контрольная работа ==

== Экзамен ==

== Страницы прошлых лет ==

[[Прикладные_задачи_анализа_данных | 2022/23 учебный год]]

[[Прикладные_задачи_анализа_данных/2022 | 2021/22 учебный год]]

[[Прикладные_задачи_анализа_данных/2020_2021 | 2020/21 учебный год ]]

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

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

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

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

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

Прикладные задачи анализа данных/2024

2024-05-11T15:10:56Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2016 года.

Лекции проходят по четвергам в 13:00 по [ ссылке].

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/575421363 Карточка курса и программа]

[https://www.youtube.com/playlist?list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Плейлист с записями лекций]

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

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

[https://t.me/hse_iad_2023 Канал в telegram для объявлений]

[https://t.me/+DskJpRFWM1thNGVi Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы)]

[https://anytask.org/course/1079 Ссылка на курс в Anytask]

Таблица с оценками

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask
|-
| ИАД-1 || [https://t.me/arorlov Артем Червяков] || [https://t.me/Mega_Serega Овчинников Вячеслав] || [https://us06web.zoom.us/j/88101531044?pwd=4ns3BiQfnRX7INDyM46ggwtGQeBzmK.1 Zoom] || [https://t.me/+MQtXSrZMnXUwNTdi Чат] || 73TKmAE
|-
| ИАД-2 || [https://t.me/airogachev Александр Рогачев] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/yaroslav_i_am Присталов Ярослав] || [https://us06web.zoom.us/j/82215727946?pwd=o9QyQmu9rDiDHaRPAkg4ecSaS67yeM.1 Zoom] || [https://t.me/+MzDukKffF09jZWJi Чат] || HlpH0lb
|-
| ИАД-3 || [https://t.me/bredikhin_alexander Александр Бредихин] || [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/89215882198?pwd=bhNir0tBLNfSodjUliddldhe4qYv8d.1 Zoom] || [https://t.me/+1Crj8C887cw1M2Vi Чат] || 9seivZz
|-
| ИАД-4 || [https://t.me/markblumenau Марк Блуменау] || [https://t.me/nogaromo Егор Горяной] || [https://us06web.zoom.us/j/88358502032?pwd=cW1LepQVWa4sTQ9QRMOYhR3hBmVxb1.1 Zoom] || [https://t.me/+AYZjugDwnbtmNzhi Чат] || IRx20G6
|-
| ИАД-5 || [https://t.me/kostyayatsok Еленик Константин] || [https://t.me/elizzz13 Бичурина Елизавета ] || [https://us06web.zoom.us/j/83206718571?pwd=00ga11pqlgs18pLfyBN61feYFFT7Wv.1 Zoom] || [https://t.me/+wwLEs60BAvUzZjdi Чат] || VmVhvMm
|-
| ИАД-6 || [https://t.me/caesiummm Михаил Никифоров] || [https://t.me/kemmeritocracy Анастасия Кеммер] || [https://us06web.zoom.us/j/89865037197?pwd=j1x5id317hx8J8yW397zizJwrrPeVY.1 Zoom] || [https://t.me/+c4qD2t7tkH1lODEy Чат] || Gd8a9wC
|-
| ИАД-7 || [https://t.me/murr4a Кантонистова Елена] || [https://t.me/Einstein_30 Карагодин Никита] || [https://us06web.zoom.us/j/85846101682?pwd=1x8d75ByFT8sRYOFvirN0YzKxljj4w.1 Zoom] || [https://t.me/+08dG863DcYczMmJi Чат] || P2f0IkQ
|-
| ИАД-8 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/dedpe Козлов Кирилл] || [https://us06web.zoom.us/j/81113602248?pwd=yS3y875aBOa2WQoONsHkcHrz3XMOHb.1 Zoom] || [https://t.me/+lZDFzaff3-FmZTQ6 Чат] || gIeDYHh
|-
| ИАД-9 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/lneyronl Трофименко Илья], [https://t.me/NikitaGorevoy Никита Горевой] || [https://us06web.zoom.us/j/86391846865?pwd=au9SaLsrSnA7e4NlGzgcqyOF4rV5c9.1 Zoom] || [https://t.me/+szF0qcXO5pwyMTNi Чат] || BsMrA6v
|-
| ИАД-10 || [https://t.me/Ppilif Филипп Ульянкин] || [https://t.me/AlZayts Александр Зайцев], [https://t.me/NikitaGorevoy Никита Горевой] || [https://yandex.zoom.us/j/98029654698 Zoom] || [https://t.me/+zS9p_GDGzNFkYTZi Чат] || hSl0gyh
|-

|}

=== Правила выставления оценок ===

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

Итоговая оценка вычисляется по формуле:

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

ДЗ — средняя оценка за практические домашние задания

КР — оценка за контрольную работу

Э — оценка за экзамен

Итоговое округление арифметическое.

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.

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

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

== Лекции ==

Все лекции лежат на [https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures гитхабе].

'''Лекция 1''' (25.01.2024). Генеративно-состязательные сети. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec01_GAN.pdf Слайды]]
[[https://www.youtube.com/watch?v=toz1LEQdRH4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Запись лекции]].

'''Лекция 2''' (08.02.2024). Генеративные модели для изображений. [[https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures/lec02_diffusion Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 3''' (26.02.2024). 3D-реконструкция. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec04_3d_reconstruction.pdf Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 4''' (26.02.2024). Нормализационные потоки. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec03_nf.pdf Слайды]]
[[https://www.youtube.com/watch?v=HmVnjjrBGYc&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=21 Запись лекции]].

'''Лекция 5''' (01.03.2024). DL в звуке 1. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec05_audio_intro.pdf Слайды]]
[[https://www.youtube.com/watch?v=8Z4mV8F7Yro&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=22 Запись лекции]].

'''Лекция 6''' (11.03.2024). DL в звуке 2. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec06_source_sep.pdf Слайды]]
[[https://www.youtube.com/watch?v=OFwh8iM28Ow&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=32 Запись лекции]].

'''Лекция 7''' (14.03.2024). State of the LLM Landscape. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec07_state_of_the_LLM_Landscape.pdf Слайды]]
[[https://www.youtube.com/watch?v=dmOd76gMXlA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=41 Запись лекции]].

'''Лекция 8''' (22.03.2024). Some Notes on LLMs in the Wild. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec08_LLMs_in_the_wild.pdf Слайды]]
[[https://www.youtube.com/watch?v=61qK_lLkV3A&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=46 Запись лекции]].

'''Лекция 9''' (05.04.2024). Введение в глубинное обучение в анализе графовых данных. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec09_gnn.pdf Слайды]]
[[https://www.youtube.com/watch?v=asN-UbTmqfA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=51 Запись лекции]].

'''Лекция 10, 11''' (19.04.2024). Временные ряды: методы и задачи. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec10_timeseries.pdf Слайды]]
[[https://www.youtube.com/watch?v=ffGdPKUVBd4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=65 Запись лекции]].

== Семинары ==

'''Семинар 1''' (01.02.2024). Генеративно-состязательные сети. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/01_GANs/01_GANs.ipynb Тетрадка]

'''Семинар 2''' (15.02.2024). Диффузионные модели. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/02_Diffusions/02_Diffusions.ipynb Тетрадка]

'''Семинар 3''' (29.02.2024). Нормализационные потоки. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/03_Flows/03_Flows.ipynb Тетрадка]

'''Семинар 4''' (07.03.2024). NeRF: Neural Radiance Field. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/04_NeRF/04_NERF.ipynb Тетрадка]

'''Семинар 5''' (14.03.2024). Обработка звука. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/05_Audio_intro_to_DSP/05_Audio_Intro.ipynb5 Тетрадка]

'''Семинар 6''' (21.03.2024). Levenstein distance, Word Error Rate и CTC. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/06_CTC/06_LD_WER_CTC.ipynb Тетрадка]

'''Семинар 7''' (04.04.2024). Большие языковые модели. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/07_LLM/07_LLM.ipynb Тетрадка]

'''Семинар 8''' (11.04.2024). Обучение представлений на графах. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/08_GRAPH/08_GRAPH.ipynb Тетрадка]

'''Семинар 9''' (18.04.2024). Временные ряды I. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/09_Time_Series_1/09_ts.ipynb Тетрадка]

'''Семинар 10''' (25.04.2024). Временные ряды II. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/10_Time_Series_2/10_ts.ipynb Тетрадка]

== Практические задания ==
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

===Задание 1. Генеративные модели===

'''Мягкий дедлайн''': 03 марта 2023 года 23:59

'''Жесткий дедлайн''': 10 марта 2023 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/blob/2024/homeworks/hw1/HW1.ipynb

== Контрольная работа ==

== Экзамен ==

== Страницы прошлых лет ==

[[Прикладные_задачи_анализа_данных | 2022/23 учебный год]]

[[Прикладные_задачи_анализа_данных/2022 | 2021/22 учебный год]]

[[Прикладные_задачи_анализа_данных/2020_2021 | 2020/21 учебный год ]]

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

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

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

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

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

Прикладные задачи анализа данных/2024

2024-05-11T15:00:58Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2016 года.

Лекции проходят по четвергам в 13:00 по [ ссылке].

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/575421363 Карточка курса и программа]

[https://www.youtube.com/playlist?list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Плейлист с записями лекций]

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

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

[https://t.me/hse_iad_2023 Канал в telegram для объявлений]

[https://t.me/+DskJpRFWM1thNGVi Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы)]

[https://anytask.org/course/1079 Ссылка на курс в Anytask]

Таблица с оценками

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask
|-
| ИАД-1 || [https://t.me/arorlov Артем Червяков] || [https://t.me/Mega_Serega Овчинников Вячеслав] || [https://us06web.zoom.us/j/88101531044?pwd=4ns3BiQfnRX7INDyM46ggwtGQeBzmK.1 Zoom] || [https://t.me/+MQtXSrZMnXUwNTdi Чат] || 73TKmAE
|-
| ИАД-2 || [https://t.me/airogachev Александр Рогачев] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/yaroslav_i_am Присталов Ярослав] || [https://us06web.zoom.us/j/82215727946?pwd=o9QyQmu9rDiDHaRPAkg4ecSaS67yeM.1 Zoom] || [https://t.me/+MzDukKffF09jZWJi Чат] || HlpH0lb
|-
| ИАД-3 || [https://t.me/bredikhin_alexander Александр Бредихин] || [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/89215882198?pwd=bhNir0tBLNfSodjUliddldhe4qYv8d.1 Zoom] || [https://t.me/+1Crj8C887cw1M2Vi Чат] || 9seivZz
|-
| ИАД-4 || [https://t.me/markblumenau Марк Блуменау] || [https://t.me/nogaromo Егор Горяной] || [https://us06web.zoom.us/j/88358502032?pwd=cW1LepQVWa4sTQ9QRMOYhR3hBmVxb1.1 Zoom] || [https://t.me/+AYZjugDwnbtmNzhi Чат] || IRx20G6
|-
| ИАД-5 || [https://t.me/kostyayatsok Еленик Константин] || [https://t.me/elizzz13 Бичурина Елизавета ] || [https://us06web.zoom.us/j/83206718571?pwd=00ga11pqlgs18pLfyBN61feYFFT7Wv.1 Zoom] || [https://t.me/+wwLEs60BAvUzZjdi Чат] || VmVhvMm
|-
| ИАД-6 || [https://t.me/caesiummm Михаил Никифоров] || [https://t.me/kemmeritocracy Анастасия Кеммер] || [https://us06web.zoom.us/j/89865037197?pwd=j1x5id317hx8J8yW397zizJwrrPeVY.1 Zoom] || [https://t.me/+c4qD2t7tkH1lODEy Чат] || Gd8a9wC
|-
| ИАД-7 || [https://t.me/murr4a Кантонистова Елена] || [https://t.me/Einstein_30 Карагодин Никита] || [https://us06web.zoom.us/j/85846101682?pwd=1x8d75ByFT8sRYOFvirN0YzKxljj4w.1 Zoom] || [https://t.me/+08dG863DcYczMmJi Чат] || P2f0IkQ
|-
| ИАД-8 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/dedpe Козлов Кирилл] || [https://us06web.zoom.us/j/81113602248?pwd=yS3y875aBOa2WQoONsHkcHrz3XMOHb.1 Zoom] || [https://t.me/+lZDFzaff3-FmZTQ6 Чат] || gIeDYHh
|-
| ИАД-9 || [https://t.me/nieto95 Косакин Даниил] || [https://t.me/lneyronl Трофименко Илья], [https://t.me/NikitaGorevoy Никита Горевой] || [https://us06web.zoom.us/j/86391846865?pwd=au9SaLsrSnA7e4NlGzgcqyOF4rV5c9.1 Zoom] || [https://t.me/+szF0qcXO5pwyMTNi Чат] || BsMrA6v
|-
| ИАД-10 || [https://t.me/Ppilif Филипп Ульянкин] || [https://t.me/AlZayts Александр Зайцев], [https://t.me/NikitaGorevoy Никита Горевой] || [https://yandex.zoom.us/j/98029654698 Zoom] || [https://t.me/+zS9p_GDGzNFkYTZi Чат] || hSl0gyh
|-

|}

=== Правила выставления оценок ===

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

Итоговая оценка вычисляется по формуле:

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

ДЗ — средняя оценка за практические домашние задания

КР — оценка за контрольную работу

Э — оценка за экзамен

Итоговое округление арифметическое.

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.

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

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

== Лекции ==

Все лекции лежат на [https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures гитхабе].

'''Лекция 1''' (25.01.2024). Генеративно-состязательные сети. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec01_GAN.pdf Слайды]]
[[https://www.youtube.com/watch?v=toz1LEQdRH4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY Запись лекции]].

'''Лекция 2''' (08.02.2024). Генеративные модели для изображений. [[https://github.com/hse-ds/iad-applied-ds/tree/2024/lectures/lec02_diffusion Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 3''' (26.02.2024). 3D-реконструкция. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec04_3d_reconstruction.pdf Слайды]]
[[https://www.youtube.com/watch?v=i2zs_KhgmfE&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=10 Запись лекции]].

'''Лекция 4''' (26.02.2024). Нормализационные потоки. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec03_nf.pdf Слайды]]
[[https://www.youtube.com/watch?v=HmVnjjrBGYc&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=21 Запись лекции]].

'''Лекция 5''' (01.03.2024). DL в звуке 1. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec05_audio_intro.pdf Слайды]]
[[https://www.youtube.com/watch?v=8Z4mV8F7Yro&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=22 Запись лекции]].

'''Лекция 6''' (11.03.2024). DL в звуке 2. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec06_source_sep.pdf Слайды]]
[[https://www.youtube.com/watch?v=OFwh8iM28Ow&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=32 Запись лекции]].

'''Лекция 7''' (14.03.2024). State of the LLM Landscape. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec07_state_of_the_LLM_Landscape.pdf Слайды]]
[[https://www.youtube.com/watch?v=dmOd76gMXlA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=41 Запись лекции]].

'''Лекция 8''' (22.03.2024). Some Notes on LLMs in the Wild. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec08_LLMs_in_the_wild.pdf Слайды]]
[[https://www.youtube.com/watch?v=61qK_lLkV3A&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=46 Запись лекции]].

'''Лекция 9''' (05.04.2024). Введение в глубинное обучение в анализе графовых данных. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec09_gnn.pdf Слайды]]
[[https://www.youtube.com/watch?v=asN-UbTmqfA&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=51 Запись лекции]].

'''Лекция 10, 11''' (19.04.2024). Временные ряды: методы и задачи. [[https://github.com/hse-ds/iad-applied-ds/blob/2024/lectures/lec10_timeseries.pdf Слайды]]
[[https://www.youtube.com/watch?v=ffGdPKUVBd4&list=PLEwK9wdS5g0rWzgNYRIO270UtTvvvJThY&index=65 Запись лекции]].

== Семинары ==

'''Семинар 1''' (01.02.2024). Генеративно-состязательные сети. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/01_GANs/01_GANs.ipynb Тетрадка]

'''Семинар 2''' (15.02.2024). Диффузионные модели. [https://github.com/hse-ds/iad-applied-ds/blob/2024/seminars/02_Diffusions/02_Diffusions.ipynb Тетрадка]

== Практические задания ==
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

===Задание 1. Генеративные модели===

'''Мягкий дедлайн''': 03 марта 2023 года 23:59

'''Жесткий дедлайн''': 10 марта 2023 года 23:59

'''Ссылка''': https://github.com/hse-ds/iad-applied-ds/blob/2024/homeworks/hw1/HW1.ipynb

== Контрольная работа ==

== Экзамен ==

== Страницы прошлых лет ==

[[Прикладные_задачи_анализа_данных | 2022/23 учебный год]]

[[Прикладные_задачи_анализа_данных/2022 | 2021/22 учебный год]]

[[Прикладные_задачи_анализа_данных/2020_2021 | 2020/21 учебный год ]]

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

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

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

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

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

Основы глубинного обучения/2023

2024-05-11T14:51:06Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2015 года.

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

Занятия проходят онлайн по четвергам на третьей паре (13:00 - 14:20).

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/575421375 Карточка курса и программа]

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

[https://anytask.org/course/1060 Домашние задание сдаются в Anytask]

Канал в telegram для объявлений: [https://t.me/+M0Mb5krSZyVkMGVi мега канал]

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): [https://t.me/+DskJpRFWM1thNGVi мега чат]

Таблица с оценками: [https://docs.google.com/spreadsheets/d/1vxGbeTA9J7PTh960FBNWLzVCipi1fgx_9VLgq9Qzh_Q/edit?usp=sharing таблица]

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

=== Семинары ===
{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask
|-
| ИАД-1 || [https://t.me/arorlov Артем Червяков] || [https://t.me/nick_nerr Никита Захаров] || [https://us06web.zoom.us/j/87537100663?pwd=gTW5oAmbrYcb9fPZv8DAoD4h63qaX3.1 Zoom] || [https://t.me/+nWgBSZfN58Y4NWIy Чат] || m6X54QR
|-
| ИАД-2 || [https://t.me/airogachev Александр Рогачев] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/AlZayts Александр Зайцев] || [https://us06web.zoom.us/j/86978076843?pwd=Z3lTeWJuWUw0L0hudkhvL3o5Y0dxZz09 Zoom] || [https://t.me/+MzDukKffF09jZWJi Чат] || fsoUsuL
|-
| ИАД-3 || [https://t.me/bredikhin_alexander Александр Бредихин] || [https://t.me/dobroye_ytro Ксения Шерман], [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/87922900415?pwd=WmBJIlfS9Lfj5vJUkEadEClOQbQe7q.1 Zoom] || [https://t.me/+1Crj8C887cw1M2Vi Чат] || vEhsElQ
|-
| ИАД-4 || [https://t.me/markblumenau Марк Блуменау] || [https://t.me/nogaromo Егор Горяной], [https://t.me/poemgranate Марина Казюлина] || [https://us06web.zoom.us/j/83689662369?pwd=MENkMm16M2psREFGdFYwaHp2R281dz09 Zoom] || [https://t.me/+AYZjugDwnbtmNzhi Чат] || 1vVkjjo
|-
| ИАД-5 || [https://t.me/margo_lazareva Маргарита Лазарева] || [https://t.me/ksu_marshmallow Ксения Малкова], [https://t.me/elizzz13 Елизавета Бичурина] || [https://us06web.zoom.us/j/86719185268?pwd=NWh3QnBvMXo4R0NHRTlMbG5KOVhQZz09 Zoom] || [https://t.me/+wwLEs60BAvUzZjdi Чат] || szcYr5g
|-
| ИАД-6 || [https://t.me/caesiummm Михаил Никифоров] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/kemmeritocracy Анастасия Кеммер] || [https://us06web.zoom.us/j/86035230751?pwd=UGRDeFQ1YWNucXFKemFyRmxtbTZTUT09 Zoom] || [https://t.me/+c4qD2t7tkH1lODEy Чат] || 9yptdQe
|-
| ИАД-7 || [https://t.me/andreynar https://t.me/andreynar] || [https://t.me/roman_khamrin Роман Храмин], [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/82131851091?pwd=GToAj3pE3dpgekwIj7X7184KqdvJgK.1 Zoom] || [https://t.me/+08dG863DcYczMmJi Чат] || HUAOW6q
|-
| ИАД-8 || [https://t.me/mikhail_h91 Михаил Гущин] || [https://t.me/Mega_Serega Вячеслав Овчинников], [https://t.me/dedpe Кирилл Козлов] || [https://us06web.zoom.us/j/82838931961?pwd=bElvVU40bTVsMTRZVWcvRG1WREtoQT09 Zoom] || [https://t.me/+lZDFzaff3-FmZTQ6 Чат] || 5Y38wV9
|-
| ИАД-9 || [https://t.me/cherepasska Михаил Баранов] || [https://t.me/ksu_marshmallow Ксения Малкова], [https://t.me/elizzz13 Елизавета Бичурина] || [https://us06web.zoom.us/j/86463674830?pwd=REVXcldGVm03UldTdXMvTmhNNExkQT09 Zoom] || [https://t.me/+szF0qcXO5pwyMTNi Чат] || eiVK6wF
|-
| ИАД-10 || [https://t.me/Ppilif Филипп Ульянкин] || [https://t.me/NikitaGorevoy Никита Горевой], [https://t.me/AlZayts Александр Зайцев] || [https://yandex.zoom.us/j/95957300981 Zoom] || [https://t.me/+zS9p_GDGzNFkYTZi Чат] || VO7eBux
|}

=== Правила выставления оценок ===

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

Итоговая оценка вычисляется по формуле:

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

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за проверочные работы

КР — оценка за контрольную работу

Э — оценка за экзамен

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

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

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

==Лекции==

Все лекции лежат [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/lectures на гитхабе].

'''Лекция 1''' (14.09.2023). Введение в глубинное обучение. Полносвязные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=IS0f6k7cH9Q Запись лекции]]

'''Лекция 2''' (21.09.2023). Обратное распространение ошибки. Сверточные сети. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture02-convnets.pdf Слайды]] [[https://youtu.be/rt6Y9mj6et8?si=wpsBC29CVaIrVvNl Запись лекции]]

'''Лекция 3''' (28.09.2023). Свёртки и свёрточные сети. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture03-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=Vcz8C8Q-1og Запись лекции]]

'''Лекция 4''' (05.10.2023). Оптимизация в глубинном обучении. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture03-convnets.pdf Слайды]] [[https://youtu.be/l64MRpaF_GU?si=9CutD9Pa27xZjllG Запись лекции]]

'''Лекция 5''' (12.10.2023). Оптимизация в глубинном обучении, свёрточные архитектуры. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture05-optimization-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=XKX3Sqrcwmk Запись лекции]]

'''Лекция 6''' (19.10.2023). Оптимизация в глубинном обучении. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture06-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=zBYEWYjdvf4 Запись лекции]]

'''Лекция 7''' (02.11.2023). Задачи компьютерного зрения. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture06-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=zp46qMEEo6Y Запись лекции]]

'''Лекция 8''' (09.11.2023). Векторные представления слов. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture08-sequences.pdf Слайды]] [[https://www.youtube.com/watch?v=w-qTENVAsbw Запись лекции]]

'''Лекция 9''' (16.11.2023). Рекуррентные модели. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture09-sequences.pdf Слайды]] [[https://www.youtube.com/watch?v=X02HDtOlx_E Запись лекции]]

'''Лекция 10''' (30.11.2023). seq2seq модели и механизм внимания. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture10-transformers.pdf Слайды]] [[https://www.youtube.com/watch?v=Al_r14hsxXo Запись лекции]]

'''Лекция 11''' (30.11.2023). Предобученные трансформеры. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture11-transformers.pdf Слайды]] [[https://www.youtube.com/watch?v=Kbrwyww-W-U Запись лекции]]

== Семинары ==
Все семинары тоже лежат [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/seminars на гитхабе].

'''Семинар 1''' (21.09.2023). Pytorch и напоминание numpy. Введение в глубинное обучение. Полносвязные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/01.%20Introduction%20to%20PyTorch/01_Introduction_to_PyTorch.ipynb Тетрадка]]

'''Семинар 2''' (28.09.2023). Свёртка изображений. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/02.%20Image%20Convolution./02_Image_Convolution_task.ipynb Тетрадка]]

'''Семинар 3''' (05.10.2023). Классификация изображений. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/03.%20Image%20Classification/03_Image_Classification.ipynb Тетрадка]]

'''Семинар 4''' (12.10.2023). Методы оптимизации, PyTorch Lightning. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/04.%20Optim%20%26%20Lightning/04_Optim%26Lightning.ipynb Тетрадка]]

'''Семинар 5''' (19.10.2023). Transfer Learning, Adversarial Attacks, Deep Network Visualization. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/05.%20Transfer%20Learning%20%26%20Network%20Visualization/05_Transfer_Learning%2C_Adversarial_Attacks_%26_Deep_Network_Visualization.ipynb Тетрадка]]

'''Семинар 6''' (02.11.2023). Семантическая сегментация, детекция. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/06.%20Segmentation%20%26%20Detection/06_Segmentation_%26_Detection_solved.ipynb Тетрадка]]

'''Семинар 7''' (09.11.2023). Few/Zero Shot Learning. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/07.%20Few%20%26%20Zero%20Shot%20Learning/07_Few_Zero_Shot_Learning.ipynb Тетрадка]]

'''Семинар 8''' (16.11.2023). Word2Vec. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/08.%20Word2Vec/08_Word2Vec.ipynb Тетрадка]]

'''Семинар 9''' (23.11.2023). Character-Level LSTM. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/09.%20LSTM/09_Character_Level_LSTM.ipynb Тетрадка]]

'''Семинар 10''' (30.11.2023). Transformers. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/10.%20Transformers/10_Transformers.ipynb Тетрадка]]

== Записи консультаций ==

'''Консультация перед контрольной №1''' (07.12.2023). [[https://youtu.be/2c_tMPgXo8E?si=_DGQt26xYO2Am9VC Запись консультации ИАД-1]]

'''Консультация перед контрольной №1''' (07.12.2023). [[https://youtu.be/wrYeiYuN8Ls?si=g7Nzpi2pe2lXEUru Запись консультации ИАД-3]]

'''Консультация перед контрольной №1''' (07.12.2023). [[https://youtu.be/6aM7elRLx9w?si=73qXx0gvWLDEOUWI Запись консультации ИАД-4]]

'''Консультация перед контрольной №1''' (07.12.2023). [[https://youtu.be/ZSMmXu1PT4w?si=reMvrGyJCs5oZicC Запись консультации ИАД-6]]

'''Консультация перед контрольной №1''' (07.12.2023). [[https://youtu.be/IYDE3LAQgC8?si=uQZPZrtZJtTaN05r Запись консультации ИАД-7]]

== Практические задания ==

Домашние задания выкладываются в [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/homeworks репозиторий курса].

''' Домашнее задание 1.''' Введение в PyTorch. Полносвязные нейронные сети.

Дата выдачи: 01.10.2023

Мягкий дедлайн: 23:59 MSK 15.10.2023

Жесткий дедлайн: 23:59 MSK 20.10.2023

[[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/homeworks/hw1/homework_01.ipynb Ноутбук с заданием]]

''' Домашнее задание 2.''' Классификация изображений.

Дата выдачи: 23.10.2023

Мягкий дедлайн: 23:59 MSK 12.11.2023

Жесткий дедлайн: 23:59 MSK 17.11.2023

[[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/homeworks/hw2/hw_2.ipynb Ноутбук с заданием]]

''' Домашнее задание 3.''' Детекция объектов.

Дата выдачи: 25.11.2023

Мягкий дедлайн: 23:59 MSK 05.12.2023

Жесткий дедлайн: 23:59 MSK 11.12.2023

[[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/homeworks/hw3/hw3_iad.ipynb Ноутбук с заданием]]

''' Домашнее задание 4.''' Texts.

Дата выдачи: 09.12.2023

Дедлайн: 23:59 MSK 18.12.2023

[[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/homeworks/hw4_texts.ipynb Ноутбук с заданием]]

== Контрольная работа ==

Контрольная работа состоится 14 декабря во время лекции (13:00 - 14:20).

[https://docs.google.com/document/d/1S-VlgPltz3Vkw_GAVQsgQKi2FScUxX-wGQSH4a0jOcQ/edit Вопросы для подготовки]

[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/iad-dl-midterm-var0.pdf Нулевой вариант 1]

[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/iad-dl-midterm-var02.pdf Нулевой вариант 2]

В варианте будет 4 вопроса. Обратите внимание на примеры типовых задач в списке вопросов.

== Экзамен ==

== Страницы предыдущих лет ==

[[Основы_глубинного_обучения | 22/23 учебный год]]

[[Основы_глубинного_обучения/2021_2022 | 21/22 учебный год]]

[[Современные_методы_машинного_обучения | 20/21 учебный год]]

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

Прикладная статистика в машинном обучении 23/24

2024-05-11T14:48:26Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [ ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [ ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [ ТГ-чат]
|}

=== Полезные ссылки ===
Канал в Телеграме (для важных объявлений)

Общий чат в Телеграме для обсуждений/вопросов

* [https://github.com/XuMuK1/psmo2023 github]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

[10 ноября] '''Лекция 8:''' Линейная регрессия, нарушение предпосылок.
* [https://www.youtube.com/live/unT7XS5ZpQA?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec8-Reg3.pdf Конспект]

[17 ноября] '''Лекция 9:''' Квантильная регрессия.
* [https://www.youtube.com/watch?v=KT8ktD_QXJg&ab_channel=Sound%2CDLandVariousStatistics Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec9-Reg%2B%2B.pdf Конспект]

[24 ноября] '''Лекция 10:''' Ранговые критерии.
* [https://www.youtube.com/live/piXMwute3As?si=bMTkwYE6s1R_ZfdF Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec10-RankCrit.pdf Конспект]

[1 декабря] '''Лекция 11:''' АБ-тесты.
* [https://youtube.com/live/VTd5sroW1xQ?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec11-AB.pdf Конспект]

[8 декабря] '''Лекция 12:''' Расширение классической статистики.
* [https://www.youtube.com/watch?v=e_JUubKjqNY Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec12-Boots.pdf Конспект]

[15 декабря] '''Лекция 13:''' Множественное тестирование.
* [https://www.youtube.com/watch?v=d36FVK4h46s Видео]
* [Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=M6P3h2-kXW4&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

'''Семинар 8:''' Эндогенность в регрессии и проверка предположений Гаусса-Маркова.
* [https://www.youtube.com/watch?v=T4ydoo98_-4 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_8.ipynb Ноутбук]

'''Семинар 9:''' Квантильная регрессия.
* [https://www.youtube.com/watch?v=eYRO8MonbFI Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_9.ipynb Ноутбук]

'''Семинар 10:''' Ранговые критерии.
* [https://www.youtube.com/watch?v=Gl39-Hb6Zok Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_10.ipynb Ноутбук]

'''Семинар 11:''' A-B тестирование.
* [https://www.youtube.com/watch?v=xVvwzuqAhdg Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_11.ipynb Ноутбук]

'''Семинар 12:''' Бутстрэп.
* [https://www.youtube.com/watch?v=KrmkiewUxek&t=630s Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_12.ipynb Ноутбук]

'''Семинар 13:''' Множественная проверка гипотез.
* [Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_13.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_2.ipynb Часть 2]

==== ДЗ-3 ====

ДЗ-3 состоит из одной части. Дедлайн по всему ДЗ 19 декабря 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/tree/master/homeworks/hw03 Часть 1]

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладная статистика в машинном обучении 23/24

2024-05-11T14:47:41Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [ ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [ ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [ ТГ-чат]
|}

=== Полезные ссылки ===
Канал в Телеграме (для важных объявлений)

Общий чат в Телеграме для обсуждений/вопросов

* [https://github.com/XuMuK1/psmo2023 github]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

[10 ноября] '''Лекция 8:''' Линейная регрессия, нарушение предпосылок.
* [https://www.youtube.com/live/unT7XS5ZpQA?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec8-Reg3.pdf Конспект]

[17 ноября] '''Лекция 9:''' Квантильная регрессия.
* [https://www.youtube.com/watch?v=KT8ktD_QXJg&ab_channel=Sound%2CDLandVariousStatistics Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec9-Reg%2B%2B.pdf Конспект]

[24 ноября] '''Лекция 10:''' Ранговые критерии.
* [https://www.youtube.com/live/piXMwute3As?si=bMTkwYE6s1R_ZfdF Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec10-RankCrit.pdf Конспект]

[1 декабря] '''Лекция 11:''' АБ-тесты.
* [https://youtube.com/live/VTd5sroW1xQ?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec11-AB.pdf Конспект]

[8 декабря] '''Лекция 12:''' Расширение классической статистики.
* [https://www.youtube.com/watch?v=e_JUubKjqNY Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec12-Boots.pdf Конспект]

[15 декабря] '''Лекция 13:''' Множественное тестирование.
* [https://www.youtube.com/watch?v=d36FVK4h46s Видео]
* [Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=M6P3h2-kXW4&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

'''Семинар 8:''' Эндогенность в регрессии и проверка предположений Гаусса-Маркова.
* [https://www.youtube.com/watch?v=T4ydoo98_-4 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_8.ipynb Ноутбук]

'''Семинар 9:''' Квантильная регрессия.
* [https://www.youtube.com/watch?v=eYRO8MonbFI Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_9.ipynb Ноутбук]

'''Семинар 10:''' Ранговые критерии.
* [https://www.youtube.com/watch?v=Gl39-Hb6Zok Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_10.ipynb Ноутбук]

'''Семинар 11:''' A-B тестирование.
* [https://www.youtube.com/watch?v=xVvwzuqAhdg Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_11.ipynb Ноутбук]

'''Семинар 12:''' Бутстрэп.
* [https://www.youtube.com/watch?v=KrmkiewUxek&t=630s Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_12.ipynb Ноутбук]

'''Семинар 13:''' Множественная проверка гипотез.
* [Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_13.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_2.ipynb Часть 2]

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладная статистика в машинном обучении 23/24

2024-05-11T14:46:06Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [ ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [ ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [ ТГ-чат]
|}

=== Полезные ссылки ===
Канал в Телеграме (для важных объявлений)

Общий чат в Телеграме для обсуждений/вопросов

* [https://github.com/XuMuK1/psmo2023 github]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

[10 ноября] '''Лекция 8:''' Линейная регрессия, нарушение предпосылок.
* [https://www.youtube.com/live/unT7XS5ZpQA?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec8-Reg3.pdf Конспект]

[17 ноября] '''Лекция 9:''' Квантильная регрессия.
* [https://www.youtube.com/watch?v=KT8ktD_QXJg&ab_channel=Sound%2CDLandVariousStatistics Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec9-Reg%2B%2B.pdf Конспект]

[24 ноября] '''Лекция 10:''' Ранговые критерии.
* [https://www.youtube.com/live/piXMwute3As?si=bMTkwYE6s1R_ZfdF Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec10-RankCrit.pdf Конспект]

[1 декабря] '''Лекция 11:''' АБ-тесты.
* [https://youtube.com/live/VTd5sroW1xQ?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec11-AB.pdf Конспект]

[8 декабря] '''Лекция 12:''' Расширение классической статистики.
* [https://www.youtube.com/watch?v=e_JUubKjqNY Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec12-Boots.pdf Конспект]

[15 декабря] '''Лекция 13:''' Множественное тестирование.
* [https://www.youtube.com/watch?v=d36FVK4h46s Видео]
* [Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=M6P3h2-kXW4&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

'''Семинар 8:''' Эндогенность в регрессии и проверка предположений Гаусса-Маркова.
* [https://www.youtube.com/watch?v=T4ydoo98_-4 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_8.ipynb Ноутбук]

'''Семинар 9:''' Квантильная регрессия.
* [https://www.youtube.com/watch?v=eYRO8MonbFI Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_9.ipynb Ноутбук]

'''Семинар 10:''' Ранговые критерии.
* [https://www.youtube.com/watch?v=Gl39-Hb6Zok Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_10.ipynb Ноутбук]

'''Семинар 11:''' A-B тестирование.
* [https://www.youtube.com/watch?v=xVvwzuqAhdg Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_11.ipynb Ноутбук]

'''Семинар 12:''' Бутстрэп.
* [https://www.youtube.com/watch?v=KrmkiewUxek&t=630s Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_12.ipynb Ноутбук]

'''Семинар 13:''' Множественная проверка гипотез.
* [Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_13.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладная статистика в машинном обучении 23/24

2024-05-11T14:38:18Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [ ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [ ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [ ТГ-чат]
|}

=== Полезные ссылки ===
Канал в Телеграме (для важных объявлений)

Общий чат в Телеграме для обсуждений/вопросов

* [https://github.com/XuMuK1/psmo2023 github]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

[10 ноября] '''Лекция 8:''' Линейная регрессия, нарушение предпосылок.
* [https://www.youtube.com/live/unT7XS5ZpQA?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec8-Reg3.pdf Конспект]

[17 ноября] '''Лекция 9:''' Квантильная регрессия.
* [https://www.youtube.com/watch?v=KT8ktD_QXJg&ab_channel=Sound%2CDLandVariousStatistics Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec9-Reg%2B%2B.pdf Конспект]

[24 ноября] '''Лекция 10:''' Ранговые критерии.
* [https://www.youtube.com/live/piXMwute3As?si=bMTkwYE6s1R_ZfdF Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec10-RankCrit.pdf Конспект]

[1 декабря] '''Лекция 11:''' АБ-тесты.
* [https://youtube.com/live/VTd5sroW1xQ?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec11-AB.pdf Конспект]

[8 декабря] '''Лекция 12:''' Расширение классической статистики.
* [https://www.youtube.com/watch?v=e_JUubKjqNY Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec12-Boots.pdf Конспект]

[15 декабря] '''Лекция 13:''' Множественное тестирование.
* [https://www.youtube.com/watch?v=d36FVK4h46s Видео]
* [Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=M6P3h2-kXW4&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладные задачи анализа данных/2024

2024-02-25T10:01:05Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-02-25T10:00:00Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-02-04T11:21:28Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-02-04T11:19:52Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-02-04T11:18:44Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-02-04T11:18:27Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-02-04T11:17:28Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-02-04T11:15:45Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-02-04T11:09:27Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-02-02T08:49:02Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-02-02T08:46:23Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-02-02T08:43:45Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-01-29T13:48:21Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-01-29T13:39:53Z

Nikita Gorevoy:

Прикладные задачи анализа данных/2024

2024-01-29T13:32:49Z

Nikita Gorevoy:

Основы машинного обучения/2024

2024-01-17T09:04:35Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2015 года.

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

Лекции проходят онлайн по средам в 13:00 в [].

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/835239790 Карточка курса и программа]

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

[https://www.youtube.com/playlist?list=PLEwK9wdS5g0rFDizykiWLVzeH0rsCQSTM Записи занятий]

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

[https://t.me/iad_2024 Крутой канал с объявлениями]

[https://t.me/+LaM9aa-dqe1mZGMy Крутой чат (но рекомендуем cначала задавать вопросы в чате вашей группы)]

[https://anytask.org/course/1080 Ссылка на курс в Anytask]

Таблица с оценками:

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебные ассистенты !! Zoom!! Время!! Чат !! Папка с видео !!Инвайт в anytask

|}

=== Правила выставления оценок ===

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

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

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

Округление арифметическое.

==== Автоматы ====
Если у вас '''накопленная''' оценка '''>= 5.5 баллов''' и '''за контрольную >= 5.5 баллов''', то вы можете перенести эту накопленную в итоговую. Или, если хотите, можете отказаться и пойти на экзамен. Но по умолчанию всем, кто может получить автомат, мы ставим автомат.

''Накопленная оценка считается по формуле'': (0.4 * ДЗ + 0.1 * ПР + 0.2 * КР) / 0.7.

В критериях '''на автомат все оценки считаются без округления'''.

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

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

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

== Лекции ==

== Семинары ==

== Консультации ==

== Практические задания ==

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

== Контрольная работа ==

== Экзамен ==

==Полезные материалы==
===Курсы по машинному обучению и анализу данных===
Максимально близко к материалам курса: [https://openedu.ru/course/hse/INTRML/ Курс "Основы машинного обучения"]

Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация "Математика для анализа данных"] (сейчас в процессе переноса на online.hse.ru)

Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]

Ещё материалы:
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]

===Статьи===
* [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]
* [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]

===Книги===
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.

== Страницы прошлых лет ==

[[Основы_машинного_обучения/2023 | 2022/23 учебный год]]

[[Основы_машинного_обучения/2022 | 2021/22 учебный год]]

[[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]

[[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]

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

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

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

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

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

Прикладная статистика в машинном обучении 23/24

2023-12-14T20:55:24Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

[10 ноября] '''Лекция 8:''' Линейная регрессия, нарушение предпосылок.
* [https://www.youtube.com/live/unT7XS5ZpQA?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec8-Reg3.pdf Конспект]

[17 ноября] '''Лекция 9:''' Квантильная регрессия.
* [https://www.youtube.com/watch?v=KT8ktD_QXJg&ab_channel=Sound%2CDLandVariousStatistics Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec9-Reg%2B%2B.pdf Конспект]

[24 ноября] '''Лекция 10:''' Ранговые критерии.
* [https://www.youtube.com/live/piXMwute3As?si=bMTkwYE6s1R_ZfdF Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec10-RankCrit.pdf Конспект]

[1 декабря] '''Лекция 11:''' АБ-тесты.
* [https://youtube.com/live/VTd5sroW1xQ?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec11-AB.pdf Конспект]

[8 декабря] '''Лекция 12:''' Расширение классической статистики.
* [https://www.youtube.com/watch?v=e_JUubKjqNY Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec12-Boots.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=M6P3h2-kXW4&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Основы глубинного обучения/2023

2023-12-07T12:50:54Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2015 года.

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

Занятия проходят онлайн по четвергам на третьей паре (13:00 - 14:20).

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/575421375 Карточка курса и программа]

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

[https://anytask.org/course/1060 Домашние задание сдаются в Anytask]

Канал в telegram для объявлений: [https://t.me/+M0Mb5krSZyVkMGVi мега канал]

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): [https://t.me/+DskJpRFWM1thNGVi мега чат]

Таблица с оценками:

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

=== Семинары ===
{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask
|-
| ИАД-1 || [https://t.me/arorlov Артем Червяков] || [https://t.me/nick_nerr Никита Захаров] || [https://us06web.zoom.us/j/87537100663?pwd=gTW5oAmbrYcb9fPZv8DAoD4h63qaX3.1 Zoom] || [https://t.me/+nWgBSZfN58Y4NWIy Чат] || m6X54QR
|-
| ИАД-2 || [https://t.me/airogachev Александр Рогачев] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/AlZayts Александр Зайцев] || [https://us06web.zoom.us/j/86978076843?pwd=Z3lTeWJuWUw0L0hudkhvL3o5Y0dxZz09 Zoom] || [https://t.me/+MzDukKffF09jZWJi Чат] || fsoUsuL
|-
| ИАД-3 || [https://t.me/bredikhin_alexander Александр Бредихин] || [https://t.me/dobroye_ytro Ксения Шерман], [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/87922900415?pwd=WmBJIlfS9Lfj5vJUkEadEClOQbQe7q.1 Zoom] || [https://t.me/+1Crj8C887cw1M2Vi Чат] || vEhsElQ
|-
| ИАД-4 || [https://t.me/markblumenau Марк Блуменау] || [https://t.me/nogaromo Егор Горяной], [https://t.me/poemgranate Марина Казюлина] || [https://us06web.zoom.us/j/83689662369?pwd=MENkMm16M2psREFGdFYwaHp2R281dz09 Zoom] || [https://t.me/+AYZjugDwnbtmNzhi Чат] || 1vVkjjo
|-
| ИАД-5 || [https://t.me/margo_lazareva Маргарита Лазарева] || [https://t.me/ksu_marshmallow Ксения Малкова], [https://t.me/elizzz13 Елизавета Бичурина] || [https://us06web.zoom.us/j/86719185268?pwd=NWh3QnBvMXo4R0NHRTlMbG5KOVhQZz09 Zoom] || [https://t.me/+wwLEs60BAvUzZjdi Чат] || szcYr5g
|-
| ИАД-6 || [https://t.me/caesiummm Михаил Никифоров] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/kemmeritocracy Анастасия Кеммер] || [https://us06web.zoom.us/j/86035230751?pwd=UGRDeFQ1YWNucXFKemFyRmxtbTZTUT09 Zoom] || [https://t.me/+c4qD2t7tkH1lODEy Чат] || 9yptdQe
|-
| ИАД-7 || [https://t.me/andreynar https://t.me/andreynar] || [https://t.me/roman_khamrin Роман Храмин], [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/82131851091?pwd=GToAj3pE3dpgekwIj7X7184KqdvJgK.1 Zoom] || [https://t.me/+08dG863DcYczMmJi Чат] || HUAOW6q
|-
| ИАД-8 || [https://t.me/mikhail_h91 Михаил Гущин] || [https://t.me/Mega_Serega Вячеслав Овчинников], [https://t.me/dedpe Кирилл Козлов] || [https://us06web.zoom.us/j/82838931961?pwd=bElvVU40bTVsMTRZVWcvRG1WREtoQT09 Zoom] || [https://t.me/+lZDFzaff3-FmZTQ6 Чат] || 5Y38wV9
|-
| ИАД-9 || [https://t.me/cherepasska Михаил Баранов] || [https://t.me/ksu_marshmallow Ксения Малкова], [https://t.me/elizzz13 Елизавета Бичурина] || [https://us06web.zoom.us/j/86463674830?pwd=REVXcldGVm03UldTdXMvTmhNNExkQT09 Zoom] || [https://t.me/+szF0qcXO5pwyMTNi Чат] || eiVK6wF
|-
| ИАД-10 || [https://t.me/Ppilif Филипп Ульянкин] || [https://t.me/NikitaGorevoy Никита Горевой], [https://t.me/AlZayts Александр Зайцев] || [https://yandex.zoom.us/j/95957300981 Zoom] || [https://t.me/+zS9p_GDGzNFkYTZi Чат] || VO7eBux
|}

=== Правила выставления оценок ===

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

Итоговая оценка вычисляется по формуле:

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

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за проверочные работы

КР — оценка за контрольную работу

Э — оценка за экзамен

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

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

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

==Лекции==

Все лекции лежат [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/lectures на гитхабе].

'''Лекция 1''' (14.09.2023). Введение в глубинное обучение. Полносвязные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=IS0f6k7cH9Q Запись лекции]]

'''Лекция 2''' (21.09.2023). Обратное распространение ошибки. Сверточные сети. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture02-convnets.pdf Слайды]] [[https://youtu.be/rt6Y9mj6et8?si=wpsBC29CVaIrVvNl Запись лекции]]

'''Лекция 3''' (28.09.2023). Свёртки и свёрточные сети. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture03-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=Vcz8C8Q-1og Запись лекции]]

'''Лекция 4''' (05.10.2023). Оптимизация в глубинном обучении. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture03-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=Vcz8C8Q-1og Запись лекции]]

'''Лекция 5''' (12.10.2023). Оптимизация в глубинном обучении, свёрточные архитектуры. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture05-optimization-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=XKX3Sqrcwmk Запись лекции]]

'''Лекция 6''' (19.10.2023). Оптимизация в глубинном обучении. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture06-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=zBYEWYjdvf4 Запись лекции]]

'''Лекция 7''' (02.11.2023). Задачи компьютерного зрения. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture06-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=zp46qMEEo6Y Запись лекции]]

'''Лекция 8''' (09.11.2023). Векторные представления слов. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture08-sequences.pdf Слайды]] [[https://www.youtube.com/watch?v=w-qTENVAsbw Запись лекции]]

'''Лекция 9''' (16.11.2023). Рекуррентные модели. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture09-sequences.pdf Слайды]] [[https://www.youtube.com/watch?v=X02HDtOlx_E Запись лекции]]

'''Лекция 10''' (30.11.2023). seq2seq модели и механизм внимания. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture10-transformers.pdf Слайды]] [[https://www.youtube.com/watch?v=Al_r14hsxXo Запись лекции]]

'''Лекция 11''' (30.11.2023). Предобученные трансформеры. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture11-transformers.pdf Слайды]] [[https://www.youtube.com/watch?v=Kbrwyww-W-U Запись лекции]]

== Семинары ==
Все семинары тоже лежат [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/seminars на гитхабе].

'''Семинар 1''' (21.09.2023). Pytorch и напоминание numpy. Введение в глубинное обучение. Полносвязные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/01.%20Introduction%20to%20PyTorch/01_Introduction_to_PyTorch.ipynb Тетрадка]]

'''Семинар 2''' (28.09.2023). Свёртка изображений. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/02.%20Image%20Convolution./02_Image_Convolution_task.ipynb Тетрадка]]

'''Семинар 3''' (05.10.2023). Классификация изображений. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/03.%20Image%20Classification/03_Image_Classification.ipynb Тетрадка]]

'''Семинар 4''' (12.10.2023). Методы оптимизации, PyTorch Lightning. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/04.%20Optim%20%26%20Lightning/04_Optim%26Lightning.ipynb Тетрадка]]

'''Семинар 5''' (19.10.2023). Transfer Learning, Adversarial Attacks, Deep Network Visualization. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/05.%20Transfer%20Learning%20%26%20Network%20Visualization/05_Transfer_Learning%2C_Adversarial_Attacks_%26_Deep_Network_Visualization.ipynb Тетрадка]]

'''Семинар 6''' (02.11.2023). Семантическая сегментация, детекция. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/06.%20Segmentation%20%26%20Detection/06_Segmentation_%26_Detection_solved.ipynb Тетрадка]]

'''Семинар 7''' (09.11.2023). Few/Zero Shot Learning. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/07.%20Few%20%26%20Zero%20Shot%20Learning/07_Few_Zero_Shot_Learning.ipynb Тетрадка]]

== Записи консультаций ==

== Практические задания ==

Домашние задания выкладываются в [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/homeworks репозиторий курса].

''' Домашнее задание 1.''' Введение в PyTorch. Полносвязные нейронные сети.

Дата выдачи: 01.10.2023

Мягкий дедлайн: 23:59 MSK 15.10.2023

Жесткий дедлайн: 23:59 MSK 20.10.2023

[[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/homeworks/hw1/homework_01.ipynb Ноутбук с заданием]]

''' Домашнее задание 2.''' Классификация изображений.

Дата выдачи: 23.10.2023

Мягкий дедлайн: 23:59 MSK 12.11.2023

Жесткий дедлайн: 23:59 MSK 17.11.2023

[[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/homeworks/hw2/hw_2.ipynb Ноутбук с заданием]]

== Контрольная работа ==

Контрольная работа состоится 14 декабря во время лекции (13:00 - 14:20).

[https://docs.google.com/document/d/1S-VlgPltz3Vkw_GAVQsgQKi2FScUxX-wGQSH4a0jOcQ/edit Вопросы для подготовки]

[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/iad-dl-midterm-var0.pdf Нулевой вариант 1]

[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/iad-dl-midterm-var02.pdf Нулевой вариант 2]

В варианте будет 4 вопроса. Обратите внимание на примеры типовых задач в списке вопросов.

== Экзамен ==

== Страницы предыдущих лет ==

[[Основы_глубинного_обучения | 22/23 учебный год]]

[[Основы_глубинного_обучения/2021_2022 | 21/22 учебный год]]

[[Современные_методы_машинного_обучения | 20/21 учебный год]]

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

Прикладная статистика в машинном обучении 23/24

2023-12-03T21:41:24Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

[10 ноября] '''Лекция 8:''' Линейная регрессия, нарушение предпосылок.
* [https://www.youtube.com/live/unT7XS5ZpQA?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec8-Reg3.pdf Конспект]

[17 ноября] '''Лекция 9:''' Квантильная регрессия.
* [https://www.youtube.com/watch?v=KT8ktD_QXJg&ab_channel=Sound%2CDLandVariousStatistics Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec9-Reg%2B%2B.pdf Конспект]

[24 ноября] '''Лекция 10:''' Ранговые критерии.
* [https://www.youtube.com/live/piXMwute3As?si=bMTkwYE6s1R_ZfdF Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec10-RankCrit.pdf Конспект]

[1 декабря] '''Лекция 11:''' АБ-тесты.
* [https://youtube.com/live/VTd5sroW1xQ?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec11-AB.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=M6P3h2-kXW4&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладная статистика в машинном обучении 23/24

2023-11-26T16:42:26Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

[10 ноября] '''Лекция 8:''' Линейная регрессия, нарушение предпосылок.
* [https://www.youtube.com/live/unT7XS5ZpQA?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec8-Reg3.pdf Конспект]

[17 ноября] '''Лекция 9:''' Квантильная регрессия.
* [https://www.youtube.com/watch?v=KT8ktD_QXJg&ab_channel=Sound%2CDLandVariousStatistics Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec9-Reg%2B%2B.pdf Конспект]

[24 ноября] '''Лекция 10:''' Ранговые критерии.
* [https://www.youtube.com/live/piXMwute3As?si=bMTkwYE6s1R_ZfdF Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec10-RankCrit.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=M6P3h2-kXW4&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладная статистика в машинном обучении 23/24

2023-11-17T21:08:57Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

[20 октября] '''Лекция 8:''' Линейная регрессия, нарушение предпосылок.
* [https://www.youtube.com/live/unT7XS5ZpQA?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec8-Reg3.pdf Конспект]

[20 октября] '''Лекция 9:''' Квантильная регрессия.
* [https://www.youtube.com/watch?v=KT8ktD_QXJg&ab_channel=Sound%2CDLandVariousStatistics Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec9-Reg%2B%2B.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=M6P3h2-kXW4&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Основы глубинного обучения/2023

2023-11-11T14:46:48Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2015 года.

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

Занятия проходят онлайн по четвергам на третьей паре (13:00 - 14:20).

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/575421375 Карточка курса и программа]

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

[https://anytask.org/course/1060 Домашние задание сдаются в Anytask]

Канал в telegram для объявлений: [https://t.me/+M0Mb5krSZyVkMGVi мега канал]

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): [https://t.me/+DskJpRFWM1thNGVi мега чат]

Таблица с оценками:

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

=== Семинары ===
{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask
|-
| ИАД-1 || [https://t.me/arorlov Артем Червяков] || [https://t.me/nick_nerr Никита Захаров] || [https://us06web.zoom.us/j/87537100663?pwd=gTW5oAmbrYcb9fPZv8DAoD4h63qaX3.1 Zoom] || [https://t.me/+nWgBSZfN58Y4NWIy Чат] || m6X54QR
|-
| ИАД-2 || [https://t.me/airogachev Александр Рогачев] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/AlZayts Александр Зайцев] || [https://us06web.zoom.us/j/86978076843?pwd=Z3lTeWJuWUw0L0hudkhvL3o5Y0dxZz09 Zoom] || [https://t.me/+MzDukKffF09jZWJi Чат] || fsoUsuL
|-
| ИАД-3 || [https://t.me/bredikhin_alexander Александр Бредихин] || [https://t.me/dobroye_ytro Ксения Шерман], [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/87922900415?pwd=WmBJIlfS9Lfj5vJUkEadEClOQbQe7q.1 Zoom] || [https://t.me/+1Crj8C887cw1M2Vi Чат] || vEhsElQ
|-
| ИАД-4 || [https://t.me/markblumenau Марк Блуменау] || [https://t.me/nogaromo Егор Горяной], [https://t.me/poemgranate Марина Казюлина] || [https://us06web.zoom.us/j/83689662369?pwd=MENkMm16M2psREFGdFYwaHp2R281dz09 Zoom] || [https://t.me/+AYZjugDwnbtmNzhi Чат] || 1vVkjjo
|-
| ИАД-5 || [https://t.me/margo_lazareva Маргарита Лазарева] || [https://t.me/ksu_marshmallow Ксения Малкова], [https://t.me/elizzz13 Елизавета Бичурина] || [https://us06web.zoom.us/j/86719185268?pwd=NWh3QnBvMXo4R0NHRTlMbG5KOVhQZz09 Zoom] || [https://t.me/+wwLEs60BAvUzZjdi Чат] || szcYr5g
|-
| ИАД-6 || [https://t.me/caesiummm Михаил Никифоров] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/kemmeritocracy Анастасия Кеммер] || [https://us06web.zoom.us/j/86035230751?pwd=UGRDeFQ1YWNucXFKemFyRmxtbTZTUT09 Zoom] || [https://t.me/+c4qD2t7tkH1lODEy Чат] || 9yptdQe
|-
| ИАД-7 || [https://t.me/andreynar https://t.me/andreynar] || [https://t.me/roman_khamrin Роман Храмин], [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/82131851091?pwd=GToAj3pE3dpgekwIj7X7184KqdvJgK.1 Zoom] || [https://t.me/+08dG863DcYczMmJi Чат] || HUAOW6q
|-
| ИАД-8 || [https://t.me/mikhail_h91 Михаил Гущин] || [https://t.me/Mega_Serega Вячеслав Овчинников], [https://t.me/dedpe Кирилл Козлов] || [https://us06web.zoom.us/j/82838931961?pwd=bElvVU40bTVsMTRZVWcvRG1WREtoQT09 Zoom] || [https://t.me/+lZDFzaff3-FmZTQ6 Чат] || 5Y38wV9
|-
| ИАД-9 || [https://t.me/cherepasska Михаил Баранов] || [https://t.me/ksu_marshmallow Ксения Малкова], [https://t.me/elizzz13 Елизавета Бичурина] || [https://us06web.zoom.us/j/86463674830?pwd=REVXcldGVm03UldTdXMvTmhNNExkQT09 Zoom] || [https://t.me/+szF0qcXO5pwyMTNi Чат] || eiVK6wF
|-
| ИАД-10 || [https://t.me/Ppilif Филипп Ульянкин] || [https://t.me/NikitaGorevoy Никита Горевой], [https://t.me/AlZayts Александр Зайцев] || [https://yandex.zoom.us/j/95957300981 Zoom] || [https://t.me/+zS9p_GDGzNFkYTZi Чат] || VO7eBux
|}

=== Правила выставления оценок ===

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

Итоговая оценка вычисляется по формуле:

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

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за проверочные работы

КР — оценка за контрольную работу

Э — оценка за экзамен

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

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

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

==Лекции==

Все лекции лежат [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/lectures на гитхабе].

'''Лекция 1''' (14.09.2023). Введение в глубинное обучение. Полносвязные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=IS0f6k7cH9Q Запись лекции]]

'''Лекция 2''' (21.09.2023). Обратное распространение ошибки. Сверточные сети. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture02-convnets.pdf Слайды]] [[https://youtu.be/rt6Y9mj6et8?si=wpsBC29CVaIrVvNl Запись лекции]]

'''Лекция 3''' (28.09.2023). Свёртки и свёрточные сети. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture03-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=Vcz8C8Q-1og Запись лекции]]

'''Лекция 4''' (05.10.2023). Оптимизация в глубинном обучении. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture03-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=Vcz8C8Q-1og Запись лекции]]

'''Лекция 5''' (12.10.2023). Оптимизация в глубинном обучении, свёрточные архитектуры. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture05-optimization-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=XKX3Sqrcwmk Запись лекции]]

'''Лекция 6''' (19.10.2023). Оптимизация в глубинном обучении. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture06-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=zBYEWYjdvf4 Запись лекции]]

'''Лекция 7''' (02.11.2023). Задачи компьютерного зрения. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture06-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=zp46qMEEo6Y Запись лекции]]

'''Лекция 8''' (09.11.2023). Векторные представления слов. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture08-sequences.pdf Слайды]] [[https://www.youtube.com/watch?v=w-qTENVAsbw Запись лекции]]

== Семинары ==
Все семинары тоже лежат [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/seminars на гитхабе].

'''Семинар 1''' (21.09.2023). Pytorch и напоминание numpy. Введение в глубинное обучение. Полносвязные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/01.%20Introduction%20to%20PyTorch/01_Introduction_to_PyTorch.ipynb Тетрадка]]

'''Семинар 2''' (28.09.2023). Свёртка изображений. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/02.%20Image%20Convolution./02_Image_Convolution_task.ipynb Тетрадка]]

'''Семинар 3''' (05.10.2023). Классификация изображений. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/03.%20Image%20Classification/03_Image_Classification.ipynb Тетрадка]]

'''Семинар 4''' (12.10.2023). Методы оптимизации, PyTorch Lightning. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/04.%20Optim%20%26%20Lightning/04_Optim%26Lightning.ipynb Тетрадка]]

'''Семинар 5''' (19.10.2023). Transfer Learning, Adversarial Attacks, Deep Network Visualization. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/05.%20Transfer%20Learning%20%26%20Network%20Visualization/05_Transfer_Learning%2C_Adversarial_Attacks_%26_Deep_Network_Visualization.ipynb Тетрадка]]

'''Семинар 6''' (02.11.2023). Семантическая сегментация, детекция. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/06.%20Segmentation%20%26%20Detection/06_Segmentation_%26_Detection_solved.ipynb Тетрадка]]

'''Семинар 7''' (09.11.2023). Few/Zero Shot Learning. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/07.%20Few%20%26%20Zero%20Shot%20Learning/07_Few_Zero_Shot_Learning.ipynb Тетрадка]]

== Записи консультаций ==

== Практические задания ==

Домашние задания выкладываются в [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/homeworks репозиторий курса].

''' Домашнее задание 1.''' Введение в PyTorch. Полносвязные нейронные сети.

Дата выдачи: 01.10.2023

Мягкий дедлайн: 23:59 MSK 15.10.2023

Жесткий дедлайн: 23:59 MSK 20.10.2023

[[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/homeworks/hw1/homework_01.ipynb Ноутбук с заданием]]

''' Домашнее задание 2.''' Классификация изображений.

Дата выдачи: 23.10.2023

Мягкий дедлайн: 23:59 MSK 12.11.2023

Жесткий дедлайн: 23:59 MSK 17.11.2023

[[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/homeworks/hw2/hw_2.ipynb Ноутбук с заданием]]

== Контрольная работа ==

== Экзамен ==

== Страницы предыдущих лет ==

[[Основы_глубинного_обучения | 22/23 учебный год]]

[[Основы_глубинного_обучения/2021_2022 | 21/22 учебный год]]

[[Современные_методы_машинного_обучения | 20/21 учебный год]]

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

Основы глубинного обучения/2023

2023-11-11T14:44:02Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2015 года.

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

Занятия проходят онлайн по четвергам на третьей паре (13:00 - 14:20).

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/575421375 Карточка курса и программа]

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

[https://anytask.org/course/1060 Домашние задание сдаются в Anytask]

Канал в telegram для объявлений: [https://t.me/+M0Mb5krSZyVkMGVi мега канал]

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): [https://t.me/+DskJpRFWM1thNGVi мега чат]

Таблица с оценками:

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

=== Семинары ===
{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask
|-
| ИАД-1 || [https://t.me/arorlov Артем Червяков] || [https://t.me/nick_nerr Никита Захаров] || [https://us06web.zoom.us/j/87537100663?pwd=gTW5oAmbrYcb9fPZv8DAoD4h63qaX3.1 Zoom] || [https://t.me/+nWgBSZfN58Y4NWIy Чат] || m6X54QR
|-
| ИАД-2 || [https://t.me/airogachev Александр Рогачев] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/AlZayts Александр Зайцев] || [https://us06web.zoom.us/j/86978076843?pwd=Z3lTeWJuWUw0L0hudkhvL3o5Y0dxZz09 Zoom] || [https://t.me/+MzDukKffF09jZWJi Чат] || fsoUsuL
|-
| ИАД-3 || [https://t.me/bredikhin_alexander Александр Бредихин] || [https://t.me/dobroye_ytro Ксения Шерман], [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/87922900415?pwd=WmBJIlfS9Lfj5vJUkEadEClOQbQe7q.1 Zoom] || [https://t.me/+1Crj8C887cw1M2Vi Чат] || vEhsElQ
|-
| ИАД-4 || [https://t.me/markblumenau Марк Блуменау] || [https://t.me/nogaromo Егор Горяной], [https://t.me/poemgranate Марина Казюлина] || [https://us06web.zoom.us/j/83689662369?pwd=MENkMm16M2psREFGdFYwaHp2R281dz09 Zoom] || [https://t.me/+AYZjugDwnbtmNzhi Чат] || 1vVkjjo
|-
| ИАД-5 || [https://t.me/margo_lazareva Маргарита Лазарева] || [https://t.me/ksu_marshmallow Ксения Малкова], [https://t.me/elizzz13 Елизавета Бичурина] || [https://us06web.zoom.us/j/86719185268?pwd=NWh3QnBvMXo4R0NHRTlMbG5KOVhQZz09 Zoom] || [https://t.me/+wwLEs60BAvUzZjdi Чат] || szcYr5g
|-
| ИАД-6 || [https://t.me/caesiummm Михаил Никифоров] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/kemmeritocracy Анастасия Кеммер] || [https://us06web.zoom.us/j/86035230751?pwd=UGRDeFQ1YWNucXFKemFyRmxtbTZTUT09 Zoom] || [https://t.me/+c4qD2t7tkH1lODEy Чат] || 9yptdQe
|-
| ИАД-7 || [https://t.me/andreynar https://t.me/andreynar] || [https://t.me/roman_khamrin Роман Храмин], [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/82131851091?pwd=GToAj3pE3dpgekwIj7X7184KqdvJgK.1 Zoom] || [https://t.me/+08dG863DcYczMmJi Чат] || HUAOW6q
|-
| ИАД-8 || [https://t.me/mikhail_h91 Михаил Гущин] || [https://t.me/Mega_Serega Вячеслав Овчинников], [https://t.me/dedpe Кирилл Козлов] || [https://us06web.zoom.us/j/82838931961?pwd=bElvVU40bTVsMTRZVWcvRG1WREtoQT09 Zoom] || [https://t.me/+lZDFzaff3-FmZTQ6 Чат] || 5Y38wV9
|-
| ИАД-9 || [https://t.me/cherepasska Михаил Баранов] || [https://t.me/ksu_marshmallow Ксения Малкова], [https://t.me/elizzz13 Елизавета Бичурина] || [https://us06web.zoom.us/j/86463674830?pwd=REVXcldGVm03UldTdXMvTmhNNExkQT09 Zoom] || [https://t.me/+szF0qcXO5pwyMTNi Чат] || eiVK6wF
|-
| ИАД-10 || [https://t.me/Ppilif Филипп Ульянкин] || [https://t.me/NikitaGorevoy Никита Горевой], [https://t.me/AlZayts Александр Зайцев] || [https://yandex.zoom.us/j/95957300981 Zoom] || [https://t.me/+zS9p_GDGzNFkYTZi Чат] || VO7eBux
|}

=== Правила выставления оценок ===

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

Итоговая оценка вычисляется по формуле:

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

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за проверочные работы

КР — оценка за контрольную работу

Э — оценка за экзамен

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

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

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

==Лекции==

Все лекции лежат [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/lectures на гитхабе].

'''Лекция 1''' (14.09.2023). Введение в глубинное обучение. Полносвязные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=IS0f6k7cH9Q Запись лекции]]

'''Лекция 2''' (21.09.2023). Обратное распространение ошибки. Сверточные сети. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture02-convnets.pdf Слайды]] [[https://youtu.be/rt6Y9mj6et8?si=wpsBC29CVaIrVvNl Запись лекции]]

'''Лекция 3''' (28.09.2023). Свёртки и свёрточные сети. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture03-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=Vcz8C8Q-1og Запись лекции]]

'''Лекция 4''' (05.10.2023). Оптимизация в глубинном обучении. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture03-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=Vcz8C8Q-1og Запись лекции]]

'''Лекция 5''' (12.10.2023). Оптимизация в глубинном обучении, свёрточные архитектуры. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture05-optimization-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=XKX3Sqrcwmk Запись лекции]]

'''Лекция 6''' (19.10.2023). Оптимизация в глубинном обучении. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture06-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=zBYEWYjdvf4 Запись лекции]]

'''Лекция 7''' (02.11.2023). Задачи компьютерного зрения. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture06-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=zp46qMEEo6Y Запись лекции]]

'''Лекция 8''' (09.11.2023). Векторные представления слов. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture08-sequences.pdf Слайды]] [[https://www.youtube.com/watch?v=w-qTENVAsbw Запись лекции]]

== Семинары ==
Все семинары тоже лежат [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/seminars на гитхабе].

'''Семинар 1''' (21.09.2023). Pytorch и напоминание numpy. Введение в глубинное обучение. Полносвязные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/01.%20Introduction%20to%20PyTorch/01_Introduction_to_PyTorch.ipynb Тетрадка]]

'''Семинар 2''' (28.09.2023). Свёртка изображений. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/02.%20Image%20Convolution./02_Image_Convolution_task.ipynb Тетрадка]]

'''Семинар 3''' (05.10.2023). Классификация изображений. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/03.%20Image%20Classification/03_Image_Classification.ipynb Тетрадка]]

'''Семинар 4''' (12.10.2023). Методы оптимизации, PyTorch Lightning. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/04.%20Optim%20%26%20Lightning/04_Optim%26Lightning.ipynb Тетрадка]]

'''Семинар 5''' (19.10.2023). Transfer Learning, Adversarial Attacks, Deep Network Visualization. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/05.%20Transfer%20Learning%20%26%20Network%20Visualization/05_Transfer_Learning%2C_Adversarial_Attacks_%26_Deep_Network_Visualization.ipynb Тетрадка]]

'''Семинар 6''' (02.11.2023). Семантическая сегментация, детекция. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/06.%20Segmentation%20%26%20Detection/06_Segmentation_%26_Detection_solved.ipynb Тетрадка]]

'''Семинар 7''' (09.11.2023). Few/Zero Shot Learning. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/07.%20Few%20%26%20Zero%20Shot%20Learning/07_Few_Zero_Shot_Learning.ipynb Тетрадка]]

== Записи консультаций ==

== Практические задания ==

Домашние задания выкладываются в [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/homeworks репозиторий курса].

''' Домашнее задание 1.''' Введение в PyTorch. Полносвязные нейронные сети.

Дата выдачи: 01.10.2023

Мягкий дедлайн: 23:59MSK 15.10.2023

Жесткий дедлайн: 23:59MSK 20.10.2023

[[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/homeworks/hw1/homework_01.ipynb Ноутбук с заданием]]

== Контрольная работа ==

== Экзамен ==

== Страницы предыдущих лет ==

[[Основы_глубинного_обучения | 22/23 учебный год]]

[[Основы_глубинного_обучения/2021_2022 | 21/22 учебный год]]

[[Современные_методы_машинного_обучения | 20/21 учебный год]]

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

Основы глубинного обучения/2023

2023-11-11T14:40:10Z

Nikita Gorevoy:

== О курсе ==

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

Проводится с 2015 года.

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

Занятия проходят онлайн по четвергам на третьей паре (13:00 - 14:20).

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/575421375 Карточка курса и программа]

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

[https://anytask.org/course/1060 Домашние задание сдаются в Anytask]

Канал в telegram для объявлений: [https://t.me/+M0Mb5krSZyVkMGVi мега канал]

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): [https://t.me/+DskJpRFWM1thNGVi мега чат]

Таблица с оценками:

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

=== Семинары ===
{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask
|-
| ИАД-1 || [https://t.me/arorlov Артем Червяков] || [https://t.me/nick_nerr Никита Захаров] || [https://us06web.zoom.us/j/87537100663?pwd=gTW5oAmbrYcb9fPZv8DAoD4h63qaX3.1 Zoom] || [https://t.me/+nWgBSZfN58Y4NWIy Чат] || m6X54QR
|-
| ИАД-2 || [https://t.me/airogachev Александр Рогачев] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/AlZayts Александр Зайцев] || [https://us06web.zoom.us/j/86978076843?pwd=Z3lTeWJuWUw0L0hudkhvL3o5Y0dxZz09 Zoom] || [https://t.me/+MzDukKffF09jZWJi Чат] || fsoUsuL
|-
| ИАД-3 || [https://t.me/bredikhin_alexander Александр Бредихин] || [https://t.me/dobroye_ytro Ксения Шерман], [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/87922900415?pwd=WmBJIlfS9Lfj5vJUkEadEClOQbQe7q.1 Zoom] || [https://t.me/+1Crj8C887cw1M2Vi Чат] || vEhsElQ
|-
| ИАД-4 || [https://t.me/markblumenau Марк Блуменау] || [https://t.me/nogaromo Егор Горяной], [https://t.me/poemgranate Марина Казюлина] || [https://us06web.zoom.us/j/83689662369?pwd=MENkMm16M2psREFGdFYwaHp2R281dz09 Zoom] || [https://t.me/+AYZjugDwnbtmNzhi Чат] || 1vVkjjo
|-
| ИАД-5 || [https://t.me/margo_lazareva Маргарита Лазарева] || [https://t.me/ksu_marshmallow Ксения Малкова], [https://t.me/elizzz13 Елизавета Бичурина] || [https://us06web.zoom.us/j/86719185268?pwd=NWh3QnBvMXo4R0NHRTlMbG5KOVhQZz09 Zoom] || [https://t.me/+wwLEs60BAvUzZjdi Чат] || szcYr5g
|-
| ИАД-6 || [https://t.me/caesiummm Михаил Никифоров] || [https://t.me/ongalek Иван Смоленчук], [https://t.me/kemmeritocracy Анастасия Кеммер] || [https://us06web.zoom.us/j/86035230751?pwd=UGRDeFQ1YWNucXFKemFyRmxtbTZTUT09 Zoom] || [https://t.me/+c4qD2t7tkH1lODEy Чат] || 9yptdQe
|-
| ИАД-7 || [https://t.me/andreynar https://t.me/andreynar] || [https://t.me/roman_khamrin Роман Храмин], [https://t.me/myatnayapechenka Анастасия Зайцева] || [https://us06web.zoom.us/j/82131851091?pwd=GToAj3pE3dpgekwIj7X7184KqdvJgK.1 Zoom] || [https://t.me/+08dG863DcYczMmJi Чат] || HUAOW6q
|-
| ИАД-8 || [https://t.me/mikhail_h91 Михаил Гущин] || [https://t.me/Mega_Serega Вячеслав Овчинников], [https://t.me/dedpe Кирилл Козлов] || [https://us06web.zoom.us/j/82838931961?pwd=bElvVU40bTVsMTRZVWcvRG1WREtoQT09 Zoom] || [https://t.me/+lZDFzaff3-FmZTQ6 Чат] || 5Y38wV9
|-
| ИАД-9 || [https://t.me/cherepasska Михаил Баранов] || [https://t.me/ksu_marshmallow Ксения Малкова], [https://t.me/elizzz13 Елизавета Бичурина] || [https://us06web.zoom.us/j/86463674830?pwd=REVXcldGVm03UldTdXMvTmhNNExkQT09 Zoom] || [https://t.me/+szF0qcXO5pwyMTNi Чат] || eiVK6wF
|-
| ИАД-10 || [https://t.me/Ppilif Филипп Ульянкин] || [https://t.me/NikitaGorevoy Никита Горевой], [https://t.me/AlZayts Александр Зайцев] || [https://yandex.zoom.us/j/95957300981 Zoom] || [https://t.me/+zS9p_GDGzNFkYTZi Чат] || VO7eBux
|}

=== Правила выставления оценок ===

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

Итоговая оценка вычисляется по формуле:

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

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за проверочные работы

КР — оценка за контрольную работу

Э — оценка за экзамен

=== Правила сдачи заданий ===

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

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

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

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

==Лекции==

Все лекции лежат [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/lectures на гитхабе].

'''Лекция 1''' (14.09.2023). Введение в глубинное обучение. Полносвязные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=IS0f6k7cH9Q Запись лекции]]

'''Лекция 2''' (21.09.2023). Обратное распространение ошибки. Сверточные сети. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture02-convnets.pdf Слайды]] [[https://youtu.be/rt6Y9mj6et8?si=wpsBC29CVaIrVvNl Запись лекции]]

'''Лекция 3''' (28.09.2023). Свёртки и свёрточные сети. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture03-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=Vcz8C8Q-1og Запись лекции]]

'''Лекция 4''' (05.10.2023). Оптимизация в глубинном обучении. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture03-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=Vcz8C8Q-1og Запись лекции]]

'''Лекция 5''' (12.10.2023). Оптимизация в глубинном обучении, свёрточные архитектуры. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture05-optimization-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=XKX3Sqrcwmk Запись лекции]]

'''Лекция 6''' (19.10.2023). Оптимизация в глубинном обучении. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture06-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=zBYEWYjdvf4 Запись лекции]]

'''Лекция 7''' (02.11.2023). Задачи компьютерного зрения. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture06-convnets.pdf Слайды]] [[https://www.youtube.com/watch?v=zp46qMEEo6Y Запись лекции]]

'''Лекция 8''' (09.11.2023). Векторные представления слов. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/lectures/lecture08-sequences.pdf Слайды]] [[https://www.youtube.com/watch?v=w-qTENVAsbw Запись лекции]]

== Семинары ==
Все семинары тоже лежат [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/seminars на гитхабе].

'''Семинар 1''' (21.09.2023). Pytorch и напоминание numpy. Введение в глубинное обучение. Полносвязные слои. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/01.%20Introduction%20to%20PyTorch/01_Introduction_to_PyTorch.ipynb Тетрадка]]

'''Семинар 2''' (28.09.2023). Свёртка изображений. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/02.%20Image%20Convolution./02_Image_Convolution_task.ipynb Тетрадка]]

'''Семинар 3''' (05.10.2023). Классификация изображений. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/03.%20Image%20Classification/03_Image_Classification.ipynb Тетрадка]]

'''Семинар 4''' (12.10.2023). Методы оптимизации, PyTorch Lightning. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/04.%20Optim%20%26%20Lightning/04_Optim%26Lightning.ipynb Тетрадка]]

'''Семинар 5''' (19.10.2023). Transfer Learning, Adversarial Attacks, Deep Network Visualization. [[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/seminars/05.%20Transfer%20Learning%20%26%20Network%20Visualization/05_Transfer_Learning%2C_Adversarial_Attacks_%26_Deep_Network_Visualization.ipynb Тетрадка]]

== Записи консультаций ==

== Практические задания ==

Домашние задания выкладываются в [https://github.com/hse-ds/iad-deep-learning/tree/master/2023/homeworks репозиторий курса].

''' Домашнее задание 1.''' Введение в PyTorch. Полносвязные нейронные сети.

Дата выдачи: 01.10.2023

Мягкий дедлайн: 23:59MSK 15.10.2023

Жесткий дедлайн: 23:59MSK 20.10.2023

[[https://github.com/hse-ds/iad-deep-learning/blob/master/2023/homeworks/hw1/homework_01.ipynb Ноутбук с заданием]]

== Контрольная работа ==

== Экзамен ==

== Страницы предыдущих лет ==

[[Основы_глубинного_обучения | 22/23 учебный год]]

[[Основы_глубинного_обучения/2021_2022 | 21/22 учебный год]]

[[Современные_методы_машинного_обучения | 20/21 учебный год]]

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

Прикладная статистика в машинном обучении 23/24

2023-11-05T17:05:25Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

[20 октября] '''Лекция 8:''' Линейная регрессия, нарушение предпосылок.
* [https://www.youtube.com/live/unT7XS5ZpQA?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec8-Reg3.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=M6P3h2-kXW4&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладная статистика в машинном обучении 23/24

2023-10-21T12:49:43Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=M6P3h2-kXW4&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладная статистика в машинном обучении 23/24

2023-10-21T12:48:07Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=M6P3h2-kXW4&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]

Больше подробностей на пятой неделе

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладная статистика в машинном обучении 23/24

2023-10-21T12:43:09Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из трех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

ДЗ-2 состоит из двух частей. Дедлайн по всему ДЗ 19 ноября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw02/Homework_2_part_1.ipynb Часть 1]

Больше подробностей на пятой неделе

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладная статистика в машинном обучении 23/24

2023-10-21T12:42:16Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' EM-алгоритм, продолжение.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

'''Семинар 6:''' Линейная регрессия, МНК, F-тест.
* [https://www.youtube.com/watch?v=Rp7Ip8eWhFo&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_6.ipynb Ноутбук]

'''Семинар 7:''' Теорема Гаусса-Маркова, нарушение ее предпосылок, свойства МНК-оценок.
* [https://www.youtube.com/watch?v=zK0mBOwJnlA&ab_channel=HSE_FCS_PSMO_22 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_7.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из четырех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

Больше подробностей на пятой неделе

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладная статистика в машинном обучении 23/24

2023-10-20T17:58:11Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

'''Семинар 4:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/live/iWDBF74KmJs?feature=share Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_4.ipynb Ноутбук]

'''Семинар 5:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_5.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из четырех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

Больше подробностей на пятой неделе

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Основы глубинного обучения/2023

2023-10-20T17:44:20Z

Nikita Gorevoy:

Основы глубинного обучения/2023

2023-10-20T17:42:09Z

Nikita Gorevoy:

Прикладная статистика в машинном обучении 23/24

2023-10-20T16:14:10Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

[20 октября] '''Лекция 7:''' Линейная регрессия, предположения.
* [https://www.youtube.com/watch?v=GVufw6Epg58 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec7-Reg2.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из четырех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

Больше подробностей на пятой неделе

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Прикладная статистика в машинном обучении 23/24

2023-10-13T19:28:09Z

Nikita Gorevoy:

== О курсе ==

Курс читается для студентов 3-го курса в 1-2 модулях.

'''Лектор:''' [https://t.me/XuMuK_MK Максим Каледин]

Лекции проходят в пятницу, 9:30 – 10:50, R405.

'''Семинаристы:''' [https://t.me/az_stat Антон Золотарёв], [https://t.me/dashademidova Дарья Демидова], [https://t.me/Yana_Kn_I Яна Хассан]

'''Учебные ассистенты:''' [https://t.me/kkorolev1 Кирилл Королёв] [https://t.me/karaoke_tutu Артём Беляев], [https://t.me/wrongmediocrity Валерия Кондратьева], [https://t.me/NikitaGorevoy Никита Горевой],

=== Семинары ===

(!) Сверяйтесь с вашим актуальным расписанием, возможны изменения.

{| class="wikitable"
|-
! Группа !! Семинарист !! Учебный ассистент || Время занятий || Аудитория/ссылка || Способ связи
|-
| БПМИ211 МОП || Антон Золотарёв || Артём Беляев || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|-
| БПМИ212 МОП || Дарья Демидова || Кирилл Королев || Пт, 14:40 – 16:00|| D507 || [https://t.me/+ckMIrI_EJDA5ZDky ТГ-чат]
|-
| БПМИ213 МОП || Яна Хассан || Валерия Кондратьева || 14:40 – 16:00 || TBD || [https://t.me/+JiQJ7QfBjbU4MTBi ТГ-чат]
|-
| По выбору/онлайн || Антон Золотарёв || Никита Горевой || Пт, 18:10 – 9:30 || N508 || [https://t.me/+xyo_E93WbbczZDky ТГ-чат]
|}

=== Полезные ссылки ===

* [https://t.me/+GzEZg2B2Y0ExYjcy Канал в Телеграме (для важных объявлений)]

* [https://t.me/+lQwuxQ_NwdgyYzQy Общий чат в Телеграме для обсуждений/вопросов]

* [https://github.com/XuMuK1/psmo2023 GitHub]

* [https://docs.google.com/spreadsheets/d/1C_kHxL3PJB66l6Oe9lRs7lFI5K-r8ef1EPpzuotgbo0/edit?usp=sharing Ведомость]

== Лекции ==

[8 сентября] '''Лекция 1:''' Метод максимального правдоподобия, свойства ММП-оценок, модель клиента магазина.
* [https://www.youtube.com/watch?v=XnCdfBFeWG0 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec1-MLE.pdf Конспект]

[15 сентября] '''Лекция 2:''' Теория информации, энтропия, KL-дивергенция.
* [https://www.youtube.com/watch?v=PUIcpFr2u7g Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec2-Code.pdf Конспект]

[22 сентября] '''Лекция 3:''' Продолжение ММП, скрытые переменные, ЕМ-алгоритм.
* [https://www.youtube.com/watch?v=IjtifVvXIWw&ab_channel=MaxK Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec3-EM.pdf Конспект]

[29 сентября] '''Лекция 4:''' Продолжение ЕМ-алгоритма, оценка фильтров, фильтр Калмана.
* [https://www.youtube.com/watch?v=7xGvk8u59V8 Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec4-EM2.pdf Конспект]

[6 октября] '''Лекция 5:''' Доверительные интервалы, проверка гипотез.
* [https://www.youtube.com/watch?v=GgP4Gkk0IkA Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/lectures/Lec5-Stat1.pdf Конспект]

[13 октября] '''Лекция 6:''' Линейная регрессия, теорема Гаусса-Маркова.
* [https://www.youtube.com/watch?v=QoYL7GC0GpI Видео]
* [https://github.com/NikitaGorevoy/psmo2023/blob/master/lectures/Lec6-Reg1.pdf Конспект]

== Семинары ==
'''Семинар 1:''' Метод максимального правдоподобия.
* [https://www.youtube.com/watch?v=JDdcg43vumE Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_1.ipynb Ноутбук]

'''Семинар 2:''' Теория информации, энтропия.
* [https://www.youtube.com/watch?v=HmxKVdUQf-U Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_2.ipynb Ноутбук]

'''Семинар 3:''' KL-дивергенция, EM-алгоритм.
* [https://www.youtube.com/watch?v=Yq5FvNypKgw Видео]
* [https://github.com/XuMuK1/psmo2023/blob/master/seminars/Seminar_3.ipynb Ноутбук]

== Домашние задания ==

Домашние задания представляют из себя python-ноутбук, где потребуется решить несколько теоретических задач, а также несколько задач с помощью программного кода.

Как сдавать ДЗ: Anytask TBD.
==== ДЗ-1 ====

ДЗ-1 состоит из четырех частей. Дедлайн по всему ДЗ 08 октября 2023 23:59.
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_1.ipynb Часть 1]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_2.ipynb Часть 2]
* [https://github.com/XuMuK1/psmo2023/blob/master/homeworks/hw01/Homework_1_part_3.ipynb Часть 3]

==== ДЗ-2 ====

Больше подробностей на пятой неделе

==== ДЗ-3 ====

Больше подробностей на девятой неделе

=== Квизы ===

Квизы — небольшие самостоятельные работы, проводятся периодически (раз в две-три недели) на семинаре. Выдаются в начале семинара на 10-15 минут. Оценка за квизы формируется как среднее по всем квизам.

== Контрольная работа ==

Контрольная работа является письменной формой контроля. В контрольную работу войдут задачи по темам примерно до Лекции 8. После недели 8 планируется неделя консультаций, затем неделя контрольной работы (на лекции) и потом продолжение лекций. Возможны изменения, связанные с расписанием и праздниками.

== Экзамен ==

Экзамен является устной формой контроля. В экзамен войдут теория и задачи по темам лекций и семинаров всего курса.

Подробный состав тем и процедура проведения будут объявлены в начале второго модуля.

TBD

==Отчётность по курсу и критерии оценки==

===Итоговая оценка за курс===

Итоговая оценка за курс рассчитывается по следующей формуле:

Итог = 0.7 * Накоп + 0.3 * максимум(Экз, минимум(7, Накоп)).

В этой формуле

0.7 * Накоп = 0.1 * Квиз + 0.3 * среднее(ДЗ1,ДЗ2,ДЗ3) + 0.3 * КР,

 где
* Квиз – средняя оценка за все квизы.
* ДЗ1, ДЗ2, ДЗ3 – оценки за ДЗ1,ДЗ2 и ДЗ3 соответственно; avg -- среднее
* КР – оценка за контрольную работу .

==Литература==

Горяинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных – М.: Издательский дом Высшей школы экономики, 2012. (Очень много про непараметрические критерии со ссылками и деталями)

Wasserman L. All of Statistics: A Concise Course in Statistical Inference, Springer Science & Business Media, 2013 (в общем про "большую" статистику)

Чжун К.Л., АитСахлиа Ф. Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика – М.: БИНОМ. Лаборатория знаний, 2014. (если интересно много простых примеров сложных понятий)

Лагутин М.Б. Наглядная математическая статистика – М.: БИНОМ Лаборатория знаний, 2015. (МНОГО МАТСТАТА, но наглядно)

=== Прочее ===

* '''Frederick Gravetter, Larry Wallnau. Statistics for the Behavioral Sciences''' – базовый курс с большим количеством картинок и подробных текстовых объяснений. Прекрасно подходит для быстрого повторения интуиции и основной методологии.

* '''David Williams. Weighing the Odds. A Course in Probability and Statistics''' – суровая книжка для самых смелых. Содержит все основные темы по теории вероятностей и статистике в рамках программы для технических специальностей. Сквозная идея книги – показать связь теории вероятностей и статистики с другими разделами математики, поэтому для каждого утверждения приводятся строгие и очень подробные доказательства. Сильно расширяет общематематический кругозор, содержит много нетривиальных утверждений.

Основы глубинного обучения/2023

2023-10-10T18:14:09Z

Nikita Gorevoy:

Основы глубинного обучения/2023

2023-10-10T18:09:18Z

Nikita Gorevoy:

Основы глубинного обучения/2023

2023-10-10T18:08:06Z

Nikita Gorevoy: