Wiki - Факультет компьютерных наук - Вклад [ru]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-06-14T13:01:53Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw2 алгоритм актор-критик], срок - 24.03.2019 23:59, вопросы задавать [https://t.me/sonyabur ассистенту].

ДЗ 3. Анализ текстов: [https://yadi.sk/d/OUcDK6o3iUZGTw Текстовая классификация], срок - 10.06.2019 09:59, решения присылать на dz3.iad@yandex.ru

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

[https://docs.google.com/spreadsheets/d/1gXsuQMNVuC2rsjoIg5sa_1g9uxtmS9DAg8inMHT_wYE/edit?usp=sharing Таблица с оценками]

=== Экзамен ===
Экзамен пройдет 20 июня 2019 г. в ауд. 3231 с 10 часов. [https://yadi.sk/i/BahvFjhWiRv_Xw Вопросы к экзамену]

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb Options]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [https://yadi.sk/i/N37h4VH2Oa7Q1w (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [https://yadi.sk/i/fTtRg5QTxr0yYA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar7/sem7_ac.ipynb ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение и планирование [https://yadi.sk/i/_K-rive0oythxg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar8 Dyna]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Обучение в частично-наблюдаемой среде [https://yadi.sk/i/v7pHOgTKt2oj_Q (слайды)]

'''Семинар''':

==== NLP: Неделя 1. 04.04.2019 ====

'''Лекция''': NLP: введение, базовые элементы пайплайна [https://yadi.sk/i/i9Qh5YTWCjlj0A (слайды)]

'''Семинар''': [https://yadi.sk/d/bN-HPvFzPF9IIQ Sem_tokenize_morph]

==== NLP: Недели 2-3. 11.04.2019, 18.04.2019 ====

'''Лекции''': Векторные признаки в NLP: От мешка слов к языковым моделям [https://yadi.sk/i/G9Ni7Otf5D1_Hw (слайды)]

'''Семинары''': [https://yadi.sk/d/y4qxxPkUts7sbg Sem_emb_lm]

==== NLP: Неделя 4. 25.04.2019 ====

'''Лекция''': NER:Извлечение именованных сущностей [https://yadi.sk/i/9ZpzDL6bP69mUg (слайды)]

'''Семинар''': [https://yadi.sk/d/ZO5dTTfWzFitQg Sem_NER]

==== NLP: Неделя 5. 16.05.2019 ====

'''Лекция''': Текстовая классификация [https://yadi.sk/d/Y1rLhNRGFpq6WQ (слайды)]

'''Семинар''': [https://yadi.sk/d/D17JFFQLhRtNeg sem_classification]

==== NLP: Неделя 6. 23.05.2019 ====

'''Лекция''': Машинный перевод [https://yadi.sk/i/I6MJ8JGbYp825A (слайды)]

'''Семинар''': [https://yadi.sk/d/Ps0RxIFuLMFG5w Sem_MT]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-06-13T21:58:09Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw2 алгоритм актор-критик], срок - 24.03.2019 23:59, вопросы задавать [https://t.me/sonyabur ассистенту].

ДЗ 3. Анализ текстов: [https://yadi.sk/d/OUcDK6o3iUZGTw Текстовая классификация], срок - 10.06.2019 09:59, решения присылать на dz3.iad@yandex.ru

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

[https://docs.google.com/spreadsheets/d/1gXsuQMNVuC2rsjoIg5sa_1g9uxtmS9DAg8inMHT_wYE/edit?usp=sharing Таблица с оценками]

=== Экзамен ===
[https://yadi.sk/i/BahvFjhWiRv_Xw Вопросы к экзамену]

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb Options]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [https://yadi.sk/i/N37h4VH2Oa7Q1w (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [https://yadi.sk/i/fTtRg5QTxr0yYA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar7/sem7_ac.ipynb ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение и планирование [https://yadi.sk/i/_K-rive0oythxg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar8 Dyna]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Обучение в частично-наблюдаемой среде [https://yadi.sk/i/v7pHOgTKt2oj_Q (слайды)]

'''Семинар''':

==== NLP: Неделя 1. 04.04.2019 ====

'''Лекция''': NLP: введение, базовые элементы пайплайна [https://yadi.sk/i/i9Qh5YTWCjlj0A (слайды)]

'''Семинар''': [https://yadi.sk/d/bN-HPvFzPF9IIQ Sem_tokenize_morph]

==== NLP: Недели 2-3. 11.04.2019, 18.04.2019 ====

'''Лекции''': Векторные признаки в NLP: От мешка слов к языковым моделям [https://yadi.sk/i/G9Ni7Otf5D1_Hw (слайды)]

'''Семинары''': [https://yadi.sk/d/y4qxxPkUts7sbg Sem_emb_lm]

==== NLP: Неделя 4. 25.04.2019 ====

'''Лекция''': NER:Извлечение именованных сущностей [https://yadi.sk/i/9ZpzDL6bP69mUg (слайды)]

'''Семинар''': [https://yadi.sk/d/ZO5dTTfWzFitQg Sem_NER]

==== NLP: Неделя 5. 16.05.2019 ====

'''Лекция''': Текстовая классификация [https://yadi.sk/d/Y1rLhNRGFpq6WQ (слайды)]

'''Семинар''': [https://yadi.sk/d/D17JFFQLhRtNeg sem_classification]

==== NLP: Неделя 6. 23.05.2019 ====

'''Лекция''': Машинный перевод [https://yadi.sk/i/I6MJ8JGbYp825A (слайды)]

'''Семинар''': [https://yadi.sk/d/Ps0RxIFuLMFG5w Sem_MT]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-03-21T04:54:09Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw2 алгоритм актор-критик], срок - 24.03.2019 23:59, вопросы задавать [https://t.me/sonyabur ассистенту].

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

[https://docs.google.com/spreadsheets/d/1gXsuQMNVuC2rsjoIg5sa_1g9uxtmS9DAg8inMHT_wYE/edit?usp=sharing Таблица с оценками]

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [https://yadi.sk/i/N37h4VH2Oa7Q1w (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [https://yadi.sk/i/fTtRg5QTxr0yYA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar7/sem7_ac.ipynb ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение и планирование [https://yadi.sk/i/_K-rive0oythxg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar8 Dyna]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Обучение в частично-наблюдаемой среде [https://yadi.sk/i/v7pHOgTKt2oj_Q (слайды)]

'''Семинар''':

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-03-14T07:31:39Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw2 алгоритм актор-критик], срок - 24.03.2019 23:59, вопросы задавать [https://t.me/sonyabur ассистенту].

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

[https://docs.google.com/spreadsheets/d/1gXsuQMNVuC2rsjoIg5sa_1g9uxtmS9DAg8inMHT_wYE/edit?usp=sharing Таблица с оценками]

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [https://yadi.sk/i/N37h4VH2Oa7Q1w (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [https://yadi.sk/i/fTtRg5QTxr0yYA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar7/sem7_ac.ipynb ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение и планирование [https://yadi.sk/i/_K-rive0oythxg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar8 Dyna]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Обучение в частично-наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-03-13T09:27:27Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw2 алгоритм актор-критик], срок - 24.03.2019 23:59, вопросы задавать [https://t.me/sonyabur ассистенту].

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

[https://docs.google.com/spreadsheets/d/1gXsuQMNVuC2rsjoIg5sa_1g9uxtmS9DAg8inMHT_wYE/edit?usp=sharing Таблица с оценками]

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [https://yadi.sk/i/N37h4VH2Oa7Q1w (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [https://yadi.sk/i/fTtRg5QTxr0yYA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar7/sem7_ac.ipynb ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение и планирование [ссылка (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar8 Dyna]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Обучение в частично-наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-03-12T06:01:08Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw2 алгоритм актор-критик], срок - 24.03.2019 23:59, вопросы задавать [https://t.me/sonyabur ассистенту].

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

[https://docs.google.com/spreadsheets/d/1gXsuQMNVuC2rsjoIg5sa_1g9uxtmS9DAg8inMHT_wYE/edit?usp=sharing Таблица с оценками]

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [https://yadi.sk/i/N37h4VH2Oa7Q1w (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [https://yadi.sk/i/fTtRg5QTxr0yYA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar7/sem7_ac.ipynb ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение и планирование [ссылка (слайды)]

'''Семинар''': [ссылка Dyna]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Обучение в частично-наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-03-07T11:47:43Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

[https://docs.google.com/spreadsheets/d/1gXsuQMNVuC2rsjoIg5sa_1g9uxtmS9DAg8inMHT_wYE/edit?usp=sharing Таблица с оценками]

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [https://yadi.sk/i/N37h4VH2Oa7Q1w (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [https://yadi.sk/i/fTtRg5QTxr0yYA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar7/sem7_ac.ipynb ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение и планирование [ссылка (слайды)]

'''Семинар''': [ссылка Dyna]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Обучение в частично-наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-03-07T04:40:03Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

[https://docs.google.com/spreadsheets/d/1gXsuQMNVuC2rsjoIg5sa_1g9uxtmS9DAg8inMHT_wYE/edit?usp=sharing Таблица с оценками]

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [https://yadi.sk/i/N37h4VH2Oa7Q1w (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar7/sem7_ac.ipynb ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение и планирование [ссылка (слайды)]

'''Семинар''': [ссылка Dyna]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Обучение в частично-наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-03-06T07:25:08Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [https://yadi.sk/i/N37h4VH2Oa7Q1w (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar7/sem7_ac.ipynb ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение и планирование [ссылка (слайды)]

'''Семинар''': [ссылка Dyna]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Обучение в частично-наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-03-04T16:07:14Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [https://yadi.sk/i/N37h4VH2Oa7Q1w (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение и планирование [ссылка (слайды)]

'''Семинар''': [ссылка Dyna]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Обучение в частично-наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-02-28T10:47:08Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [https://yadi.sk/i/N37h4VH2Oa7Q1w (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение в частично наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Метаобучение и перенос знаний [ссылка (слайды)]

'''Семинар''': [ссылка Transfer]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-02-28T05:37:05Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [ссылка (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar6/sem6_pg.ipynb Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение в частично наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Метаобучение и перенос знаний [ссылка (слайды)]

'''Семинар''': [ссылка Transfer]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-02-27T16:03:06Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [https://yadi.sk/i/Qpv09MbQJdNTAQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar5/sem5_options.ipynb HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [ссылка (слайды)]

'''Семинар''': [ссылка Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение в частично наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Метаобучение и перенос знаний [ссылка (слайды)]

'''Семинар''': [ссылка Transfer]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-02-15T08:17:47Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [https://yadi.sk/i/tlVbPXY1rvC-Kw (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [ссылка (слайды)]

'''Семинар''': [ссылка HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [ссылка (слайды)]

'''Семинар''': [ссылка Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение в частично наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Метаобучение и перенос знаний [ссылка (слайды)]

'''Семинар''': [ссылка Transfer]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-02-13T12:07:04Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

Занятия перенесены.

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [ссылка (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar4 DQN]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [ссылка (слайды)]

'''Семинар''': [ссылка HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Градиент стратегии [ссылка (слайды)]

'''Семинар''': [ссылка Vanilla PG]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение в частично наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Метаобучение и перенос знаний [ссылка (слайды)]

'''Семинар''': [ссылка Transfer]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-02-07T10:34:56Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассистенту].

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [ссылка (слайды)]

'''Семинар''': [ссылка DQN]

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Градиент стратегии [ссылка (слайды)]

'''Семинар''': [ссылка Vanilla PG]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [ссылка (слайды)]

'''Семинар''': [ссылка HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Оптимизация градиента стратегии [ссылка (слайды)]

'''Семинар''': [ссылка TRPO]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение в частично наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Метаобучение и перенос знаний [ссылка (слайды)]

'''Семинар''': [ссылка Transfer]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-02-07T10:34:36Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение], срок - 20.02.2019 23:59, вопросы задавать [https://t.me/purple_frog ассиснтенту].

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [ссылка (слайды)]

'''Семинар''': [ссылка DQN]

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Градиент стратегии [ссылка (слайды)]

'''Семинар''': [ссылка Vanilla PG]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [ссылка (слайды)]

'''Семинар''': [ссылка HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Оптимизация градиента стратегии [ссылка (слайды)]

'''Семинар''': [ссылка TRPO]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение в частично наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Метаобучение и перенос знаний [ссылка (слайды)]

'''Семинар''': [ссылка Transfer]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-02-07T10:33:17Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I: [https://github.com/grafft/hse-tasks/tree/master/minor-module4/hw1 имитационное обучение]

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [ссылка (слайды)]

'''Семинар''': [ссылка DQN]

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Градиент стратегии [ссылка (слайды)]

'''Семинар''': [ссылка Vanilla PG]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [ссылка (слайды)]

'''Семинар''': [ссылка HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Оптимизация градиента стратегии [ссылка (слайды)]

'''Семинар''': [ссылка TRPO]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение в частично наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Метаобучение и перенос знаний [ссылка (слайды)]

'''Семинар''': [ссылка Transfer]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-31T14:40:53Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I:

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Монте-Карло и временные различия [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [ссылка (слайды)]

'''Семинар''': [ссылка DQN]

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Градиент стратегии [ссылка (слайды)]

'''Семинар''': [ссылка Vanilla PG]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [ссылка (слайды)]

'''Семинар''': [ссылка HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Оптимизация градиента стратегии [ссылка (слайды)]

'''Семинар''': [ссылка TRPO]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение в частично наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Метаобучение и перенос знаний [ссылка (слайды)]

'''Семинар''': [ссылка Transfer]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-31T14:40:11Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I:

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Временные различия и Q-обучение [https://yadi.sk/i/fZbj8IpbBW3nIQ (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [ссылка (слайды)]

'''Семинар''': [ссылка DQN]

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Градиент стратегии [ссылка (слайды)]

'''Семинар''': [ссылка Vanilla PG]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [ссылка (слайды)]

'''Семинар''': [ссылка HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Оптимизация градиента стратегии [ссылка (слайды)]

'''Семинар''': [ссылка TRPO]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение в частично наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Метаобучение и перенос знаний [ссылка (слайды)]

'''Семинар''': [ссылка Transfer]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-30T12:16:32Z

Panov.ai:

=== О курсе ===

Читается для студентов 3 курса в 3-4 модулях.

Лекции проходят по четвергам, 10:30 – 11:50, ауд. 5306 (Шаболовка, 26).

'''Лекторы:'''

В 3 модуле: Александр Панов (обучение с подкреплением) - apanov[at]hse.ru

В 4 модуле: Дмитрий Игнатов (майнинг данных), Иван Смуров (автоматическая обработка текстов)

[https://t.me/joinchat/AAAAAEj7vNXCzgevidEIEg Канал для оповещений в Telegram]

[https://goo.gl/forms/vtohl1tZsxvao13f1 Оставить] анонимный отзыв или предложение для курса.

=== Семинары ===

Семинары проходят по четвергам (Шаболовка, 26).

{| class="wikitable"
|-
! Группа !! Преподаватель !! Расписание !! Telegram
|-
| ИАД1 || Александр Панов || 09:00 – 10:20, ауд. 4336 || [https://t.me/sonyabur Вопросы по семинарам и ДЗ]
|-
| ИАД2 || Алексей Скрынник || 12:10 – 13:30, ауд. 3202 || [https://t.me/joinchat/A98O_RX9s_OUSaEyeOE6qg Чат группы]
|-
| ИАД3 || Наталия Козловская || 09:00 – 10:20, ауд. 3316 ||
|-
| ИАД4|| Дмитрий Светличный || 09:00 – 10:20, ауд. 4335 ||
|-
| ИАД5|| Дмитрий Светличный || 12:10 – 13:30, ауд. 4335 ||
|-
|}

=== Домашние задания ===

ДЗ 1. Обучение с подкреплением I:

ДЗ 2. Обучение с подкреплением II:

ДЗ 3. Анализ текстов I:

ДЗ 4. Анализ текстов II:

=== Система оценок ===

Результирующая оценка рассчитывается по формуле:

Oитоговая = 0.6 * Oнакопл + 0.4 * Оэкз

Накопленная оценка рассчитывается по формуле:

Oнакопл = 0.6 * OДЗ (4 шт) + 0.2 * Oауд + 0.2 * Oколл

При накопленное оценке в 8, 9, 10 баллов такая же оценка за экзамен выставляется автоматом.

=== Программа ===

==== Неделя 1. 17.01.2019 ====

'''Лекция''': Введение в обучение с подкреплением. Основные понятия [https://yadi.sk/i/kqbwWX_1sNzkUg (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/tree/master/minor-module4/seminar1 MDP + CrossEntropy]

==== Неделя 2. 24.01.2019 ====

'''Лекция''': Динамическое программирование [https://yadi.sk/i/6mH8sFKfgGY2LA (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar2/sem2_dp.ipynb DP + ADP]

==== Неделя 3. 31.01.2019 ====

'''Лекция''': Временные различия и Q-обучение [ссылка (слайды)]

'''Семинар''': [https://github.com/grafft/hse-tasks/blob/master/minor-module4/seminar3/sem3_qlearn.ipynb TD + Q-learning]

==== Неделя 4. 07.02.2019 ====

'''Лекция''': Аппроксимация функции полезности [ссылка (слайды)]

'''Семинар''': [ссылка DQN]

==== Неделя 5. 14.02.2019 ====

'''Лекция''': Градиент стратегии [ссылка (слайды)]

'''Семинар''': [ссылка Vanilla PG]

==== Неделя 6. 21.02.2019 ====

'''Лекция''': Иерархическое обучение с подкреплением [ссылка (слайды)]

'''Семинар''': [ссылка HAM]

==== Неделя 7. 28.02.2019 ====

'''Лекция''': Актор-критик [ссылка (слайды)]

'''Семинар''': [ссылка ActorCritic]

==== Неделя 8. 07.03.2019 ====

'''Лекция''': Оптимизация градиента стратегии [ссылка (слайды)]

'''Семинар''': [ссылка TRPO]

==== Неделя 9. 14.03.2019 ====

'''Лекция''': Обучение в частично наблюдаемой среде [ссылка (слайды)]

'''Семинар''': [ссылка POMDP]

==== Неделя 10. 21.03.2019 ====

'''Лекция''': Метаобучение и перенос знаний [ссылка (слайды)]

'''Семинар''': [ссылка Transfer]

=== Рекомендуемые ресурсы и литература===

Обучение с подкреплением:
* Книга Sutton, Barto Reinforcement learning: An Introdu [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html (ссылка)]
* Курс от Яндекса [https://github.com/yandexdataschool/Practical_RL (ссылка)]
* Идеи нейрофизиологии и психологии [http://www.scholarpedia.org/article/Reinforcement_learning (ссылка)]
* Глубокое обучение с подкреплением [http://rail.eecs.berkeley.edu/deeprlcourse/ (ссылка)]
* Лекции от Berkley [https://sites.google.com/view/deep-rl-bootcamp/lectures (ссылка)]
* Лекции от University of Edinburg [http://www.inf.ed.ac.uk/teaching/courses/rl/ (ссылка)]
* Лекции Дэвида Сильвера [http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html (ссылка)]
* Курс Паскаля Попарта [https://cs.uwaterloo.ca/~ppoupart/teaching/cs885-spring18/ (ссылка)]
* Курс Саттона [https://drive.google.com/drive/folders/0B3w765rOKuKANmxNbXdwaE1YU1k (ссылка)]
* Материалы OpenAI [https://spinningup.openai.com/en/latest/index.html (ссылка)]
* Репозиторий различных материалов по RL [https://github.com/aikorea/awesome-rl (ссылка)]

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-30T05:47:02Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-25T09:52:03Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-23T05:23:13Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-17T13:39:08Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-17T04:55:16Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-16T15:52:08Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-16T03:00:16Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-16T02:37:05Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-16T02:01:10Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-15T15:23:22Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-15T15:19:31Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-15T15:19:13Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-15T15:12:23Z

Panov.ai:

Прикладные задачи анализа данных (майнор - весна 2019)

2019-01-15T14:12:21Z

Panov.ai: Новая страница: «=== О курсе === Читается для студентов 3 курса в 3-4 модулях. Лекции проходят по четвергам, 10:3…»

О факультете

2019-01-15T14:08:37Z

Panov.ai: /* Курсы за 2018/19 учебный год */

__NOTOC__

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

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

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

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

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

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

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

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

[[LAaG_DSBA_2018/2019 | LAaG DSBA]]

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

[[Discrete Mathematics DSBA |Discrete Mathematics DSBA (ПАД)]]

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

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

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

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

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

||

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

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

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

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

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

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

||

[[Машинное_обучение_1 | Машинное обучение 1 на ПМИ]]

[[Численные_Методы_2018 | Численные методы ]]

[[PDC | Параллельные и распределенные вычисления]]

[[Theory_of_Computing_2018_2019 | Theory of Computing, AMI]]

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

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

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[НИС_РС|НИС Распределенные системы]]

[[Основные методы анализа данных]]

[[Теория баз данных]]

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

[[Непрерывная оптимизация (163-167)]]

[[Сложность вычислений и логика в теоретической информатике]]

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

||

[[Statistical_learning_theory_2018_2019 | Introduction to statistical learning theory]]

[[Анализ_неструктурированных_данных-2018 |Анализ неструктурированных данных ]]

[[Байесовские_методы_машинного_обучения_2018|Байесовские методы машинного обучения]]

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

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

[[Теория_Информации_2018/2019|Теория информации]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

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

[[Философия_науки_2018|Философия науки]]

[[Теория баз данных]]

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

||

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

[[dopglavy_DM_1819|Допглавы дискретной математики 1]]

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

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

||

|}

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

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

|-
| [[Основы программирования на Python весна 2019 матфак|Основы программирования на Python-2]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(филология)|Цифровая грамотность]] || Филология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИИ_и_культурология)|Цифровая грамотность]] || История искусств и Культурология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИЯМК_2019)|Цифровая грамотность]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 1 курс || 3-4 модули
|-
| [[Основы_анализа_и_визуализации_данных_ДИЯ_2019|Анализ и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 3-4 модули
|-
| [[Научно-исследовательский_семинар_2019| Научно-исследовательский семинар]] || Политология || 1 курс || 3 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_в_Python_2019|Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модули
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Программирование_(python)_для_лингвистов|Программирование (Python) для лингвистов]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[ПМСАР-1|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 2 г.о. || 3-4 модули
|}

=== 1 семестр ===

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

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

= Архив =

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

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

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

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

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

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

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

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

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

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

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

[[Алгебра_на_ПМИ_2017/2018 | Алгебра на ПМИ]]

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

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

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

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

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

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

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

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

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

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

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Численные_методы_2017 | Численные методы]]

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

[[Прикладная_статистика_в_машинном_обучении | Прикладная статистика в машинном обучении]]

[[Theory_of_Computing | Theory of Computing, AMI]]

[[Statistical_learning_theory | Introduction to statistical learning theory]]

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

[[Анализ неструктурированных данных]]

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

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

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

[[Непрерывная_оптимизация | Непрерывная оптимизация]]

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

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

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

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

[[Дискретная_оптимизация | Дискретная оптимизация]]

||

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

[[Философия_науки_2017 | Философия науки]]

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

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

[[Анализ неструктурированных данных]]

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

[[Функциональное программирование 2018 | Функциональное программирование]]

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

||

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

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

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

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

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

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

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

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

[[Цифровые технологии в гуманитарных науках]]

|}

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

=== 2 семестр ===

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

=== 1 семестр ===

[[Цифровая_грамотность|Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)]] 
[[Машинное обучение (факультет экономических наук)|Машинное обучение (факультет экономических наук)]] 
[[Программирование (python) для лингвистов | Программирование (python) для лингвистов (факультет гуманитарных наук)]] 
[[Извлечение и анализ интернет-данных | Извлечение и анализ интернет-данных (факультет экономических наук)]] 
[[Анализ больших данных в социальных науках (ФСН, 2017) | Анализ больших данных в социальных науках (ФСН, 2017)]] 
[[Информационные_технологии_в_деятельности_юриста|Информационные технологии в деятельности юриста (Факультет права)]] 
[[Машинное_обучение_для_лингвистов|Машинное обучение (магистратура Школы лингвистики)]] 

== Курсы магистратуры Финансовые технологии и анализ данных ==

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

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

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

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

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

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

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

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

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

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

[[Алгебра_на_ПМИ_2016/2017 | Алгебра на ПМИ]]

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

||

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

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

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

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

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

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

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

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

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

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

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

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

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

||

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

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

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

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

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

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

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

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

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

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

[[Программирование_на_графических_процессорах | Программирование на графических процессорах]]

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

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

[[Базы данных 2 | Базы данных 2 ]]

[[Компьютерные сети 2 | Компьютерные сети 2]]

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

||

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

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

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

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

|}

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



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

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



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

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


|}

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

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

Иерархическое планирование поведения (проект)

2018-09-03T06:09:28Z

Panov.ai: Новая страница, с помощью формы Новый_проект

{{Карточка_проекта
|name=Иерархическое планирование поведения
|mentor=Панов Александр
|mentor_login={{URLENCODE:Panov.ai|WIKI}}
|semester=Осень 2017
|course=2
|summer=on
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Один из важнейших направлений в современном искусственном интеллекте - это планирование поведения. Без планирования своих действий не работает ни один интеллектуальный робот и не летает дрон. Это большая и развитая тема, но в рамках этого проекта можно быстро представить себе, что это такое - программировать работу искусственного интеллекта, на примере одного из современных алгоритмов иерархического планирования. Нужно будет реализовать один из вариантов алгоритма на языке Python, провести несколько экспериментов с ним, визуализировать его работу.

=== Чему вы научитесь? ===
Познакомишься с тем, как программируют алгоритмы для искусственного интеллекта. Познакомишься с одним из известных алгоритмов планирования поведения. Узнаешь, как писать код для ИИ на Python и как проводить с ним эксперименты.

=== Какие начальные требования? ===
Особых требований нет, кроме умения понимать алгоритмы и реализовывать их на Python.

=== Какие будут использоваться технологии? ===
Библиотека pyperplan (https://bitbucket.org/malte/pyperplan).

=== Темы вводных занятий ===
На вводном занятии расскажу про основы планирования поведения для систем искусственного интеллекта.

=== Направления развития ===
Улучшать сам алгоритм, добавить элементы эвристического поиска. Развивать систему визуализации с использованием библиотек рисования графов. Реализация других алгоритмов планирования. Участие в написании нашей собственно когнитивной архитектуры (STRL), которая предназначена в том числе и для работы с коалициями робототехнических систем. Реализация некоторых подсистем, основанных на правилах, подсистем обучения, распознавания, планирования.

=== Критерии оценки ===
На 4-5 - Разобраться с алгоритмом и библиотекой pyperplan. Уметь запускать разные примеры из pyperplan. Реализовать алгоритм с использованием API библиотеки.
На 6-7 - Провести эксперименты с реализованным алгоритмом, визуализировать графики его работы.
На 8-10 - Интегрировать написанный алгоритм в Robotic Operation System (ROS).

=== Ориентировочное расписание занятий ===
ПН 17:00-19:00 и СП 17:00-19:00

Обучение с подкреплением для манипулятора (проект)

2018-09-03T06:02:40Z

Panov.ai: Новая страница, с помощью формы Новый_проект

{{Карточка_проекта
|name=Обучение с подкреплением для манипулятора
|mentor=Панов Александр
|mentor_login={{URLENCODE:Panov.ai|WIKI}}
|semester=Осень 2017
|course=2
|summer=on
|number_of_students=5
|categorize=yes
}}

=== Что это за проект? ===
Создавая и проектируя робототехнические системы, мы должны заложить в них некоторые знания, на основе которых они будет успешно решать задачи и адекватно себя вести во внешней среде. Сейчас такие знания в виде правил и готовых алгоритмов по большей части закладываются вручную. Однако, очевидно, что это во-первых, неэффективно, а во-вторых, порождает множество неточностей, потому что заранее все предусмотреть невозможно. Единственный выход из такой ситуации - разработать алгоритм обучения, который бы позволял в процессе деятельности пополнять информацию о доступных и успешных для данной задачи действиях, конструировать новые действия на основе базовых операций и т.д. В данном проекте предлагается поработать над одним из таких алгоритмов в задаче управления манипулятором робота.

=== Чему вы научитесь? ===
Вы научитесь работать и реализовывать современные алгоритмы обучения с подкреплением. Вы узнаете, в чем специфика работы с робототехническими системами. Вы научитесь применять методы машинного обучения в таких задачах, как планирование и управление. Познакомитесь с возможностью применения нейронных сетей в обучении с подкреплением.

=== Какие начальные требования? ===
Отличное знание Python и желание учиться новому.

=== Какие будут использоваться технологии? ===
Инструменты и библиотеки Python (OpenAI.Gym, Open.AI Universe и др.).

=== Темы вводных занятий ===
Базовое занятие по обучению с подкреплением и задаче управления манипулятором.

=== Направления развития ===
Основное развитие - имплементация разработанного алгоритма для модели робототехнической системы в системах ROS и Gazebo.

=== Критерии оценки ===
1. 4-5 - Реализация базовой среды (Env) в Open.AI и примитивного алгоритма управления через Q-tables.
2. 6-7 - Реализация различных версий алгоритмов TRPO и PPO, проведение и анализ экспериментов.
3. 8-10 - Либо применение реккуретной нейронной сети с памятью, либо реализация алгоритма для модели робота в ROS и Gazebo.

=== Ориентировочное расписание занятий ===
ПН 17:00-19:00 и СП 17:00-19:00

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-12-18T08:51:20Z

Panov.ai:

__TOC__
== Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

'''UPDATE!''' Вопросы по ДЗ нужно и можно задавать ассистентам групп: 
1) ИАД-1 - [http://t.me/msgolovina Мария Головина] (Telegram @msgolovina), 
2) ИАД-2 - [http://t.me/skripniuk Владислав Скрипнюк] (Telegram @skripniuk). 

''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь] 
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17] 

'''ИТОГОВЫЕ оценки''' смотрите в [https://docs.google.com/spreadsheets/d/1ly3c1qjaDDOYW-u7za1Gqm_EYRM6qUjnF0ARjvaT570 таблице курса]. Зеленые - автомат, желтые - на экзамен, красные - таких не знаем.

== Семинары ==
'''1) 7 сентября 2017:''' Метод опорных векторов и ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-17/seminar1/1_svm.ipynb тетрадка], [https://goo.gl/forms/1byeOJg3la09woPe2 опрос] 
'''2) 21 сентября 2017:''' Методы оптимизации - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/2_gradient_descent.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/food_trucks.txt данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/space_ga.txt данные2], [https://goo.gl/forms/aBxtq6Gg5ameNlpr1 опрос] 
'''3) 28 сентября 2017:''' Предобработка данных - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar3/3_missing.ipynb тетрадка], [https://goo.gl/forms/LU2QtGA4bDFUdo8z1 опрос] 
'''4) 5 октября 2017:''' Бустинг - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/4_boosting_adv.ipynb основная], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/xgboost_test.ipynb дополнительная], опрос 
'''5) 12 октября 2017:''' Нейронные сети: начало - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_mlp.ipynb тетрадка MLP], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_mlp.ipynb тетрадка TF], [https://goo.gl/forms/TJ7w62qnyuT3nLMz2 опрос] 
'''6) 19 октября 2017:''' Нейронные сети: продолжение- [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_conv.ipynb тетрадка TF conv], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar6/6_keras_start.ipynb тетрадка Keras], [https://goo.gl/forms/LcXXb0VYvGJAzJec2 опрос] 
'''7) 2 ноября 2017:''' Статисткиа: распределения - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_distr.ipynb тетрадка 1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_select.ipynb тетрадка 2] 
'''8) 9 ноября 2017:''' Статистика: критерии - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar8 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''9) 16 ноября 2017:''' Нейронные сети: рекуррентные - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar9 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''10) 23 ноября 2017:''' Статистика: гипотезы и корреляции - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar10 папка с тетрадками], опрос 
'''11) 7 декабря 2017:''' Статистика: временные ряды - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar11 папка с тетрадкой и данными] 
'''12) 14 декабря 2017:''' Статистика: регрессия - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar12 папка с тетрадкой и данными] 

== Домашние Задания ==
'''1) ДЗ 1: SVM''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла '''IDA<Номер группы>HW1<Фамилия>.ipynb''' - например IDA1HW1Panov.ipynb. Срок - 9 октября 2017, 23:59. 
'''2) ДЗ 2: Бустинг''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/hw2.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/data.zip данные], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/paper.pdf статья]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/sc22z368B3GSxxudlSRb Dropbox] с названием файла '''IDA<Номер группы>HW2<Фамилия>.ipynb''' - например IDA1HW2Panov.ipynb. Срок - 22 октября 2017, 23:59. 
'''3) ДЗ 3: Нейросети''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw3/hw3.ipynb тетрадка], [https://www.dropbox.com/s/y62of919dlasyzs/images.npy?dl=0 данные]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/ZpCjSqeP4f8dOyByqgSb Dropbox] с названием файла '''IDA<Номер группы>HW3<Фамилия>.ipynb''' - например IDA1HW3Panov.ipynb. Срок - 3 декабря 2017, 23:59. 
'''3) ДЗ 4: Статистика'''. Задание: выбрать любой временной ряд, который вы будете прогнозировать; лучше взять ряд с месячным или квартальным разрешением, длиной от 100 отсчётов и не слишком простой (не выглядящий как константа или другая простая функция), иначе вам будет скучно его прогнозировать; внести выбранный ряд в [https://docs.google.com/spreadsheets/d/1NXTSQfIkAAHHnslrOVb2e0syP3Q3SHz0oZ_7qVor5Lg/edit#gid=0 таблицу], убедившись, что никто другой его не взял - если несколько студентов будут прогнозировать один и тот же ряд, задача не будет засчитана никому из них; проанализировать выбранный ряд по аналогии с примером, разбиравшимся на семинаре, и построить его прогноз на 3 года вперёд с помощью модели класса ARIMA. Если вы не знаете, где можно брать ряды, смотрите источнике ниже - в разделе "Полезные ссылки". Готовые решения (только файл ipynb! со ссылкой на ряд) отправлять в [https://www.dropbox.com/request/Gdn1yrYOEdIHxgkZLpSB Dropbox] с названием файла '''IDA<Номер группы>HW4<Фамилия>.ipynb''' - например IDA1HW4Panov.ipynb. Срок - 14 декабря 2017, 23:59.

== Полезные ссылки (Будут пополняться) ==
''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

''Полезные визуализации''
# [http://colah.github.io/] Нейросети, распределения и т.п.

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

'''Временные ряды'''
# https://datamarket.com/data/list/?q=cat:edb interval:month provider:tsdl
# http://sophist.hse.ru/hse/nindex.shtml
# https://stat.yandex.ru/
# https://www.quandl.com/browse?idx=database-browser_economic-data.

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-12-14T07:27:25Z

Panov.ai:

__TOC__
== Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

'''UPDATE!''' Вопросы по ДЗ нужно и можно задавать ассистентам групп: 
1) ИАД-1 - [http://t.me/msgolovina Мария Головина] (Telegram @msgolovina), 
2) ИАД-2 - [http://t.me/skripniuk Владислав Скрипнюк] (Telegram @skripniuk). 

''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь] 
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17] 

== Семинары ==
'''1) 7 сентября 2017:''' Метод опорных векторов и ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-17/seminar1/1_svm.ipynb тетрадка], [https://goo.gl/forms/1byeOJg3la09woPe2 опрос] 
'''2) 21 сентября 2017:''' Методы оптимизации - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/2_gradient_descent.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/food_trucks.txt данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/space_ga.txt данные2], [https://goo.gl/forms/aBxtq6Gg5ameNlpr1 опрос] 
'''3) 28 сентября 2017:''' Предобработка данных - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar3/3_missing.ipynb тетрадка], [https://goo.gl/forms/LU2QtGA4bDFUdo8z1 опрос] 
'''4) 5 октября 2017:''' Бустинг - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/4_boosting_adv.ipynb основная], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/xgboost_test.ipynb дополнительная], опрос 
'''5) 12 октября 2017:''' Нейронные сети: начало - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_mlp.ipynb тетрадка MLP], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_mlp.ipynb тетрадка TF], [https://goo.gl/forms/TJ7w62qnyuT3nLMz2 опрос] 
'''6) 19 октября 2017:''' Нейронные сети: продолжение- [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_conv.ipynb тетрадка TF conv], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar6/6_keras_start.ipynb тетрадка Keras], [https://goo.gl/forms/LcXXb0VYvGJAzJec2 опрос] 
'''7) 2 ноября 2017:''' Статисткиа: распределения - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_distr.ipynb тетрадка 1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_select.ipynb тетрадка 2] 
'''8) 9 ноября 2017:''' Статистика: критерии - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar8 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''9) 16 ноября 2017:''' Нейронные сети: рекуррентные - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar9 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''10) 23 ноября 2017:''' Статистика: гипотезы и корреляции - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar10 папка с тетрадками], опрос 
'''11) 7 декабря 2017:''' Статистика: временные ряды - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar11 папка с тетрадкой и данными] 
'''12) 14 декабря 2017:''' Статистика: регрессия - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar12 папка с тетрадкой и данными] 

== Домашние Задания ==
'''1) ДЗ 1: SVM''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла '''IDA<Номер группы>HW1<Фамилия>.ipynb''' - например IDA1HW1Panov.ipynb. Срок - 9 октября 2017, 23:59. 
'''2) ДЗ 2: Бустинг''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/hw2.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/data.zip данные], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/paper.pdf статья]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/sc22z368B3GSxxudlSRb Dropbox] с названием файла '''IDA<Номер группы>HW2<Фамилия>.ipynb''' - например IDA1HW2Panov.ipynb. Срок - 22 октября 2017, 23:59. 
'''3) ДЗ 3: Нейросети''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw3/hw3.ipynb тетрадка], [https://www.dropbox.com/s/y62of919dlasyzs/images.npy?dl=0 данные]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/ZpCjSqeP4f8dOyByqgSb Dropbox] с названием файла '''IDA<Номер группы>HW3<Фамилия>.ipynb''' - например IDA1HW3Panov.ipynb. Срок - 3 декабря 2017, 23:59. 
'''3) ДЗ 4: Статистика'''. Задание: выбрать любой временной ряд, который вы будете прогнозировать; лучше взять ряд с месячным или квартальным разрешением, длиной от 100 отсчётов и не слишком простой (не выглядящий как константа или другая простая функция), иначе вам будет скучно его прогнозировать; внести выбранный ряд в [https://docs.google.com/spreadsheets/d/1NXTSQfIkAAHHnslrOVb2e0syP3Q3SHz0oZ_7qVor5Lg/edit#gid=0 таблицу], убедившись, что никто другой его не взял - если несколько студентов будут прогнозировать один и тот же ряд, задача не будет засчитана никому из них; проанализировать выбранный ряд по аналогии с примером, разбиравшимся на семинаре, и построить его прогноз на 3 года вперёд с помощью модели класса ARIMA. Если вы не знаете, где можно брать ряды, смотрите источнике ниже - в разделе "Полезные ссылки". Готовые решения (только файл ipynb! со ссылкой на ряд) отправлять в [https://www.dropbox.com/request/Gdn1yrYOEdIHxgkZLpSB Dropbox] с названием файла '''IDA<Номер группы>HW4<Фамилия>.ipynb''' - например IDA1HW4Panov.ipynb. Срок - 14 декабря 2017, 23:59.

== Полезные ссылки (Будут пополняться) ==
''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

''Полезные визуализации''
# [http://colah.github.io/] Нейросети, распределения и т.п.

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

'''Временные ряды'''
# https://datamarket.com/data/list/?q=cat:edb interval:month provider:tsdl
# http://sophist.hse.ru/hse/nindex.shtml
# https://stat.yandex.ru/
# https://www.quandl.com/browse?idx=database-browser_economic-data.

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-12-07T12:14:52Z

Panov.ai:

__TOC__
== Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

'''UPDATE!''' Вопросы по ДЗ нужно и можно задавать ассистентам групп: 
1) ИАД-1 - [http://t.me/msgolovina Мария Головина] (Telegram @msgolovina), 
2) ИАД-2 - [http://t.me/skripniuk Владислав Скрипнюк] (Telegram @skripniuk). 

''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь] 
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17] 

== Семинары ==
'''1) 7 сентября 2017:''' Метод опорных векторов и ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-17/seminar1/1_svm.ipynb тетрадка], [https://goo.gl/forms/1byeOJg3la09woPe2 опрос] 
'''2) 21 сентября 2017:''' Методы оптимизации - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/2_gradient_descent.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/food_trucks.txt данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/space_ga.txt данные2], [https://goo.gl/forms/aBxtq6Gg5ameNlpr1 опрос] 
'''3) 28 сентября 2017:''' Предобработка данных - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar3/3_missing.ipynb тетрадка], [https://goo.gl/forms/LU2QtGA4bDFUdo8z1 опрос] 
'''4) 5 октября 2017:''' Бустинг - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/4_boosting_adv.ipynb основная], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/xgboost_test.ipynb дополнительная], опрос 
'''5) 12 октября 2017:''' Нейронные сети: начало - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_mlp.ipynb тетрадка MLP], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_mlp.ipynb тетрадка TF], [https://goo.gl/forms/TJ7w62qnyuT3nLMz2 опрос] 
'''6) 19 октября 2017:''' Нейронные сети: продолжение- [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_conv.ipynb тетрадка TF conv], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar6/6_keras_start.ipynb тетрадка Keras], [https://goo.gl/forms/LcXXb0VYvGJAzJec2 опрос] 
'''7) 2 ноября 2017:''' Статисткиа: распределения - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_distr.ipynb тетрадка 1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_select.ipynb тетрадка 2] 
'''8) 9 ноября 2017:''' Статистика: критерии - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar8 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''9) 16 ноября 2017:''' Нейронные сети: рекуррентные - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar9 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''10) 23 ноября 2017:''' Статистика: гипотезы и корреляции - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar10 папка с тетрадками], опрос 
'''11) 7 декабря 2017:''' Статистика: временные ряды - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar11 папка с тетрадкой и данными] 

== Домашние Задания ==
'''1) ДЗ 1: SVM''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла '''IDA<Номер группы>HW1<Фамилия>.ipynb''' - например IDA1HW1Panov.ipynb. Срок - 9 октября 2017, 23:59. 
'''2) ДЗ 2: Бустинг''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/hw2.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/data.zip данные], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/paper.pdf статья]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/sc22z368B3GSxxudlSRb Dropbox] с названием файла '''IDA<Номер группы>HW2<Фамилия>.ipynb''' - например IDA1HW2Panov.ipynb. Срок - 22 октября 2017, 23:59. 
'''3) ДЗ 3: Нейросети''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw3/hw3.ipynb тетрадка], [https://www.dropbox.com/s/y62of919dlasyzs/images.npy?dl=0 данные]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/ZpCjSqeP4f8dOyByqgSb Dropbox] с названием файла '''IDA<Номер группы>HW3<Фамилия>.ipynb''' - например IDA1HW3Panov.ipynb. Срок - 3 декабря 2017, 23:59. 
'''3) ДЗ 4: Статистика'''. Задание: выбрать любой временной ряд, который вы будете прогнозировать; лучше взять ряд с месячным или квартальным разрешением, длиной от 100 отсчётов и не слишком простой (не выглядящий как константа или другая простая функция), иначе вам будет скучно его прогнозировать; внести выбранный ряд в [https://docs.google.com/spreadsheets/d/1NXTSQfIkAAHHnslrOVb2e0syP3Q3SHz0oZ_7qVor5Lg/edit#gid=0 таблицу], убедившись, что никто другой его не взял - если несколько студентов будут прогнозировать один и тот же ряд, задача не будет засчитана никому из них; проанализировать выбранный ряд по аналогии с примером, разбиравшимся на семинаре, и построить его прогноз на 3 года вперёд с помощью модели класса ARIMA. Если вы не знаете, где можно брать ряды, смотрите источнике ниже - в разделе "Полезные ссылки". Готовые решения (только файл ipynb! со ссылкой на ряд) отправлять в [https://www.dropbox.com/request/Gdn1yrYOEdIHxgkZLpSB Dropbox] с названием файла '''IDA<Номер группы>HW4<Фамилия>.ipynb''' - например IDA1HW4Panov.ipynb. Срок - 14 декабря 2017, 23:59.

== Полезные ссылки (Будут пополняться) ==
''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

''Полезные визуализации''
# [http://colah.github.io/] Нейросети, распределения и т.п.

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

'''Временные ряды'''
# https://datamarket.com/data/list/?q=cat:edb interval:month provider:tsdl
# http://sophist.hse.ru/hse/nindex.shtml
# https://stat.yandex.ru/
# https://www.quandl.com/browse?idx=database-browser_economic-data.

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-12-06T17:21:51Z

Panov.ai:

__TOC__
== Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

'''UPDATE!''' Вопросы по ДЗ нужно и можно задавать ассистентам групп: 
1) ИАД-1 - [http://t.me/msgolovina Мария Головина] (Telegram @msgolovina), 
2) ИАД-2 - [http://t.me/skripniuk Владислав Скрипнюк] (Telegram @skripniuk). 

''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь] 
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17] 

== Семинары ==
'''1) 7 сентября 2017:''' Метод опорных векторов и ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-17/seminar1/1_svm.ipynb тетрадка], [https://goo.gl/forms/1byeOJg3la09woPe2 опрос] 
'''2) 21 сентября 2017:''' Методы оптимизации - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/2_gradient_descent.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/food_trucks.txt данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/space_ga.txt данные2], [https://goo.gl/forms/aBxtq6Gg5ameNlpr1 опрос] 
'''3) 28 сентября 2017:''' Предобработка данных - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar3/3_missing.ipynb тетрадка], [https://goo.gl/forms/LU2QtGA4bDFUdo8z1 опрос] 
'''4) 5 октября 2017:''' Бустинг - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/4_boosting_adv.ipynb основная], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/xgboost_test.ipynb дополнительная], опрос 
'''5) 12 октября 2017:''' Нейронные сети: начало - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_mlp.ipynb тетрадка MLP], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_mlp.ipynb тетрадка TF], [https://goo.gl/forms/TJ7w62qnyuT3nLMz2 опрос] 
'''6) 19 октября 2017:''' Нейронные сети: продолжение- [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_conv.ipynb тетрадка TF conv], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar6/6_keras_start.ipynb тетрадка Keras], [https://goo.gl/forms/LcXXb0VYvGJAzJec2 опрос] 
'''7) 2 ноября 2017:''' Статисткиа: распределения - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_distr.ipynb тетрадка 1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_select.ipynb тетрадка 2] 
'''8) 9 ноября 2017:''' Статистика: критерии - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar8 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''9) 16 ноября 2017:''' Нейронные сети: рекуррентные - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar9 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''10) 23 ноября 2017:''' Статистика: гипотезы и корреляции - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar10 папка с тетрадками], опрос 
'''11) 7 декабря 2017:''' Статистика: временные ряды - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar11 папка с тетрадкой и данными] 

== Домашние Задания ==
'''1) ДЗ 1: SVM''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла '''IDA<Номер группы>HW1<Фамилия>.ipynb''' - например IDA1HW1Panov.ipynb. Срок - 9 октября 2017, 23:59. 
'''2) ДЗ 2: Бустинг''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/hw2.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/data.zip данные], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/paper.pdf статья]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/sc22z368B3GSxxudlSRb Dropbox] с названием файла '''IDA<Номер группы>HW2<Фамилия>.ipynb''' - например IDA1HW2Panov.ipynb. Срок - 22 октября 2017, 23:59. 
'''3) ДЗ 3: Нейросети''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw3/hw3.ipynb тетрадка], [https://www.dropbox.com/s/y62of919dlasyzs/images.npy?dl=0 данные]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/ZpCjSqeP4f8dOyByqgSb Dropbox] с названием файла '''IDA<Номер группы>HW3<Фамилия>.ipynb''' - например IDA1HW3Panov.ipynb. Срок - 3 декабря 2017, 23:59. 
'''3) ДЗ 4: Статистика''' - тетрадка. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/Gdn1yrYOEdIHxgkZLpSB Dropbox] с названием файла '''IDA<Номер группы>HW4<Фамилия>.ipynb''' - например IDA1HW4Panov.ipynb. Срок - 14 декабря 2017, 23:59.

== Полезные ссылки (Будут пополняться) ==
''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

''Полезные визуализации''
# [http://colah.github.io/] Нейросети, распределения и т.п.

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-12-06T17:13:10Z

Panov.ai:

__TOC__
== Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

'''UPDATE!''' Вопросы по ДЗ нужно и можно задавать ассистентам групп: 
1) ИАД-1 - [http://t.me/msgolovina Мария Головина] (Telegram @msgolovina), 
2) ИАД-2 - [http://t.me/skripniuk Владислав Скрипнюк] (Telegram @skripniuk). 

''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь] 
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17] 

== Семинары ==
'''1) 7 сентября 2017:''' Метод опорных векторов и ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-17/seminar1/1_svm.ipynb тетрадка], [https://goo.gl/forms/1byeOJg3la09woPe2 опрос] 
'''2) 21 сентября 2017:''' Методы оптимизации - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/2_gradient_descent.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/food_trucks.txt данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/space_ga.txt данные2], [https://goo.gl/forms/aBxtq6Gg5ameNlpr1 опрос] 
'''3) 28 сентября 2017:''' Предобработка данных - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar3/3_missing.ipynb тетрадка], [https://goo.gl/forms/LU2QtGA4bDFUdo8z1 опрос] 
'''4) 5 октября 2017:''' Бустинг - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/4_boosting_adv.ipynb основная], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/xgboost_test.ipynb дополнительная], опрос 
'''5) 12 октября 2017:''' Нейронные сети: начало - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_mlp.ipynb тетрадка MLP], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_mlp.ipynb тетрадка TF], [https://goo.gl/forms/TJ7w62qnyuT3nLMz2 опрос] 
'''6) 19 октября 2017:''' Нейронные сети: продолжение- [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_conv.ipynb тетрадка TF conv], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar6/6_keras_start.ipynb тетрадка Keras], [https://goo.gl/forms/LcXXb0VYvGJAzJec2 опрос] 
'''7) 2 ноября 2017:''' Статисткиа: распределения - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_distr.ipynb тетрадка 1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_select.ipynb тетрадка 2] 
'''8) 9 ноября 2017:''' Статистика: критерии - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar8 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''9) 16 ноября 2017:''' Нейронные сети: рекуррентные - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar9 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''10) 23 ноября 2017:''' Статистика: гипотезы и корреляции - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar10 папка с тетрадками], опрос 
'''11) 7 декабря 2017:''' Статистика: временные ряды - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar11 папка с тетрадкой и данными] 

== Домашние Задания ==
'''1) ДЗ 1: SVM''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла '''IDA<Номер группы>HW1<Фамилия>.ipynb''' - например IDA1HW1Panov.ipynb. Срок - 9 октября 2017, 23:59. 
'''2) ДЗ 2: Бустинг''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/hw2.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/data.zip данные], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/paper.pdf статья]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/sc22z368B3GSxxudlSRb Dropbox] с названием файла '''IDA<Номер группы>HW2<Фамилия>.ipynb''' - например IDA1HW2Panov.ipynb. Срок - 22 октября 2017, 23:59. 
'''3) ДЗ 3: Нейросети''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw3/hw3.ipynb тетрадка], [https://www.dropbox.com/s/y62of919dlasyzs/images.npy?dl=0 данные]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/ZpCjSqeP4f8dOyByqgSb Dropbox] с названием файла '''IDA<Номер группы>HW3<Фамилия>.ipynb''' - например IDA1HW3Panov.ipynb. Срок - 3 декабря 2017, 23:59.
'''3) ДЗ 4: Статистика''' - тетрадка. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/Gdn1yrYOEdIHxgkZLpSB Dropbox] с названием файла '''IDA<Номер группы>HW4<Фамилия>.ipynb''' - например IDA1HW4Panov.ipynb. Срок - 14 декабря 2017, 23:59.

== Полезные ссылки (Будут пополняться) ==
''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

''Полезные визуализации''
# [http://colah.github.io/] Нейросети, распределения и т.п.

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-11-22T15:56:40Z

Panov.ai:

__TOC__
== Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

'''UPDATE!''' Вопросы по ДЗ нужно и можно задавать ассистентам групп: 
1) ИАД-1 - [http://t.me/msgolovina Мария Головина] (Telegram @msgolovina), 
2) ИАД-2 - [http://t.me/skripniuk Владислав Скрипнюк] (Telegram @skripniuk). 

''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь] 
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17] 

== Семинары ==
'''1) 7 сентября 2017:''' Метод опорных векторов и ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-17/seminar1/1_svm.ipynb тетрадка], [https://goo.gl/forms/1byeOJg3la09woPe2 опрос] 
'''2) 21 сентября 2017:''' Методы оптимизации - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/2_gradient_descent.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/food_trucks.txt данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/space_ga.txt данные2], [https://goo.gl/forms/aBxtq6Gg5ameNlpr1 опрос] 
'''3) 28 сентября 2017:''' Предобработка данных - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar3/3_missing.ipynb тетрадка], [https://goo.gl/forms/LU2QtGA4bDFUdo8z1 опрос] 
'''4) 5 октября 2017:''' Бустинг - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/4_boosting_adv.ipynb основная], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/xgboost_test.ipynb дополнительная], опрос 
'''5) 12 октября 2017:''' Нейронные сети: начало - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_mlp.ipynb тетрадка MLP], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_mlp.ipynb тетрадка TF], [https://goo.gl/forms/TJ7w62qnyuT3nLMz2 опрос] 
'''6) 19 октября 2017:''' Нейронные сети: продолжение- [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_conv.ipynb тетрадка TF conv], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar6/6_keras_start.ipynb тетрадка Keras], [https://goo.gl/forms/LcXXb0VYvGJAzJec2 опрос] 
'''7) 2 ноября 2017:''' Статисткиа: распределения - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_distr.ipynb тетрадка 1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_select.ipynb тетрадка 2] 
'''8) 9 ноября 2017:''' Статистика: критерии - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar8 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''9) 16 ноября 2017:''' Нейронные сети: рекуррентные - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar9 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''10) 23 ноября 2017:''' Статистика: гипотезы и корреляции - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar10 папка с тетрадками], опрос 

== Домашние Задания ==
'''1) ДЗ 1: SVM''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла '''IDA<Номер группы>HW1<Фамилия>.ipynb''' - например IDA1HW1Panov.ipynb. Срок - 9 октября 2017, 23:59. 
'''2) ДЗ 2: Бустинг''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/hw2.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/data.zip данные], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/paper.pdf статья]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/sc22z368B3GSxxudlSRb Dropbox] с названием файла '''IDA<Номер группы>HW2<Фамилия>.ipynb''' - например IDA1HW2Panov.ipynb. Срок - 22 октября 2017, 23:59. 
'''3) ДЗ 3: Нейросети''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw3/hw3.ipynb тетрадка], [https://www.dropbox.com/s/y62of919dlasyzs/images.npy?dl=0 данные]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/ZpCjSqeP4f8dOyByqgSb Dropbox] с названием файла '''IDA<Номер группы>HW3<Фамилия>.ipynb''' - например IDA1HW3Panov.ipynb. Срок - 3 декабря 2017, 23:59.

== Полезные ссылки (Будут пополняться) ==
''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

''Полезные визуализации''
# [http://colah.github.io/] Нейросети, распределения и т.п.

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-11-22T15:56:11Z

Panov.ai:

__TOC__
== Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

'''UPDATE!''' Вопросы по ДЗ нужно и можно задавать ассистентам групп: 
1) ИАД-1 - [http://t.me/msgolovina Мария Головина] (Telegram @msgolovina), 
2) ИАД-2 - [http://t.me/skripniuk Владислав Скрипнюк] (Telegram @skripniuk). 

''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь] 
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17] 

== Семинары ==
'''1) 7 сентября 2017:''' Метод опорных векторов и ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-17/seminar1/1_svm.ipynb тетрадка], [https://goo.gl/forms/1byeOJg3la09woPe2 опрос] 
'''2) 21 сентября 2017:''' Методы оптимизации - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/2_gradient_descent.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/food_trucks.txt данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/space_ga.txt данные2], [https://goo.gl/forms/aBxtq6Gg5ameNlpr1 опрос] 
'''3) 28 сентября 2017:''' Предобработка данных - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar3/3_missing.ipynb тетрадка], [https://goo.gl/forms/LU2QtGA4bDFUdo8z1 опрос] 
'''4) 5 октября 2017:''' Бустинг - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/4_boosting_adv.ipynb основная], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/xgboost_test.ipynb дополнительная], опрос 
'''5) 12 октября 2017:''' Нейронные сети: начало - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_mlp.ipynb тетрадка MLP], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_mlp.ipynb тетрадка TF], [https://goo.gl/forms/TJ7w62qnyuT3nLMz2 опрос] 
'''6) 19 октября 2017:''' Нейронные сети: продолжение- [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_conv.ipynb тетрадка TF conv], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar6/6_keras_start.ipynb тетрадка Keras], [https://goo.gl/forms/LcXXb0VYvGJAzJec2 опрос] 
'''7) 2 ноября 2017:''' Статисткиа: распределения - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_distr.ipynb тетрадка 1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_select.ipynb тетрадка 2] 
'''8) 9 ноября 2017:''' Статистика: критерии - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar8 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''9) 16 ноября 2017:''' Нейронные сети: рекуррентные - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar9 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''10) 23 ноября 2017:''' Статистика: гипотезы и корреляции - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar10 папка с тетрадками], [ опрос] 

== Домашние Задания ==
'''1) ДЗ 1: SVM''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла '''IDA<Номер группы>HW1<Фамилия>.ipynb''' - например IDA1HW1Panov.ipynb. Срок - 9 октября 2017, 23:59. 
'''2) ДЗ 2: Бустинг''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/hw2.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/data.zip данные], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/paper.pdf статья]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/sc22z368B3GSxxudlSRb Dropbox] с названием файла '''IDA<Номер группы>HW2<Фамилия>.ipynb''' - например IDA1HW2Panov.ipynb. Срок - 22 октября 2017, 23:59. 
'''3) ДЗ 3: Нейросети''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw3/hw3.ipynb тетрадка], [https://www.dropbox.com/s/y62of919dlasyzs/images.npy?dl=0 данные]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/ZpCjSqeP4f8dOyByqgSb Dropbox] с названием файла '''IDA<Номер группы>HW3<Фамилия>.ipynb''' - например IDA1HW3Panov.ipynb. Срок - 3 декабря 2017, 23:59.

== Полезные ссылки (Будут пополняться) ==
''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

''Полезные визуализации''
# [http://colah.github.io/] Нейросети, распределения и т.п.

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-11-22T15:55:56Z

Panov.ai:

__TOC__
== Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

'''UPDATE!''' Вопросы по ДЗ нужно и можно задавать ассистентам групп: 
1) ИАД-1 - [http://t.me/msgolovina Мария Головина] (Telegram @msgolovina), 
2) ИАД-2 - [http://t.me/skripniuk Владислав Скрипнюк] (Telegram @skripniuk). 

''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь] 
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17] 

== Семинары ==
'''1) 7 сентября 2017:''' Метод опорных векторов и ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-17/seminar1/1_svm.ipynb тетрадка], [https://goo.gl/forms/1byeOJg3la09woPe2 опрос] 
'''2) 21 сентября 2017:''' Методы оптимизации - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/2_gradient_descent.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/food_trucks.txt данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/space_ga.txt данные2], [https://goo.gl/forms/aBxtq6Gg5ameNlpr1 опрос] 
'''3) 28 сентября 2017:''' Предобработка данных - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar3/3_missing.ipynb тетрадка], [https://goo.gl/forms/LU2QtGA4bDFUdo8z1 опрос] 
'''4) 5 октября 2017:''' Бустинг - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/4_boosting_adv.ipynb основная], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/xgboost_test.ipynb дополнительная], опрос 
'''5) 12 октября 2017:''' Нейронные сети: начало - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_mlp.ipynb тетрадка MLP], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_mlp.ipynb тетрадка TF], [https://goo.gl/forms/TJ7w62qnyuT3nLMz2 опрос] 
'''6) 19 октября 2017:''' Нейронные сети: продолжение- [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_conv.ipynb тетрадка TF conv], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar6/6_keras_start.ipynb тетрадка Keras], [https://goo.gl/forms/LcXXb0VYvGJAzJec2 опрос] 
'''7) 2 ноября 2017:''' Статисткиа: распределения - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_distr.ipynb тетрадка 1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_select.ipynb тетрадка 2] 
'''8) 9 ноября 2017:''' Статистика: критерии - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar8 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''9) 16 ноября 2017:''' Нейронные сети: рекуррентные - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar9 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''10) 23 ноября 2017:''' Статистика: гипотезы и корреляции - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar10 папка с тетрадками], [опрос] 

== Домашние Задания ==
'''1) ДЗ 1: SVM''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла '''IDA<Номер группы>HW1<Фамилия>.ipynb''' - например IDA1HW1Panov.ipynb. Срок - 9 октября 2017, 23:59. 
'''2) ДЗ 2: Бустинг''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/hw2.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/data.zip данные], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/paper.pdf статья]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/sc22z368B3GSxxudlSRb Dropbox] с названием файла '''IDA<Номер группы>HW2<Фамилия>.ipynb''' - например IDA1HW2Panov.ipynb. Срок - 22 октября 2017, 23:59. 
'''3) ДЗ 3: Нейросети''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw3/hw3.ipynb тетрадка], [https://www.dropbox.com/s/y62of919dlasyzs/images.npy?dl=0 данные]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/ZpCjSqeP4f8dOyByqgSb Dropbox] с названием файла '''IDA<Номер группы>HW3<Фамилия>.ipynb''' - например IDA1HW3Panov.ipynb. Срок - 3 декабря 2017, 23:59.

== Полезные ссылки (Будут пополняться) ==
''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

''Полезные визуализации''
# [http://colah.github.io/] Нейросети, распределения и т.п.

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-11-16T19:12:46Z

Panov.ai:

__TOC__
== Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

'''UPDATE!''' Вопросы по ДЗ нужно и можно задавать ассистентам групп: 
1) ИАД-1 - [http://t.me/msgolovina Мария Головина] (Telegram @msgolovina), 
2) ИАД-2 - [http://t.me/skripniuk Владислав Скрипнюк] (Telegram @skripniuk). 

''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь] 
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17] 

== Семинары ==
'''1) 7 сентября 2017:''' Метод опорных векторов и ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-17/seminar1/1_svm.ipynb тетрадка], [https://goo.gl/forms/1byeOJg3la09woPe2 опрос] 
'''2) 21 сентября 2017:''' Методы оптимизации - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/2_gradient_descent.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/food_trucks.txt данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/space_ga.txt данные2], [https://goo.gl/forms/aBxtq6Gg5ameNlpr1 опрос] 
'''3) 28 сентября 2017:''' Предобработка данных - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar3/3_missing.ipynb тетрадка], [https://goo.gl/forms/LU2QtGA4bDFUdo8z1 опрос] 
'''4) 5 октября 2017:''' Бустинг - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/4_boosting_adv.ipynb основная], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/xgboost_test.ipynb дополнительная], опрос 
'''5) 12 октября 2017:''' Нейронные сети: начало - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_mlp.ipynb тетрадка MLP], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_mlp.ipynb тетрадка TF], [https://goo.gl/forms/TJ7w62qnyuT3nLMz2 опрос] 
'''6) 19 октября 2017:''' Нейронные сети: продолжение- [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_conv.ipynb тетрадка TF conv], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar6/6_keras_start.ipynb тетрадка Keras], [https://goo.gl/forms/LcXXb0VYvGJAzJec2 опрос] 
'''7) 2 ноября 2017:''' Статисткиа: распределения - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_distr.ipynb тетрадка 1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_select.ipynb тетрадка 2] 
'''8) 9 ноября 2017:''' Статистика: критерии - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar8 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''9) 16 ноября 2017:''' Нейронные сети: рекуррентные - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar9 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 

== Домашние Задания ==
'''1) ДЗ 1: SVM''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла '''IDA<Номер группы>HW1<Фамилия>.ipynb''' - например IDA1HW1Panov.ipynb. Срок - 9 октября 2017, 23:59. 
'''2) ДЗ 2: Бустинг''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/hw2.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/data.zip данные], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/paper.pdf статья]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/sc22z368B3GSxxudlSRb Dropbox] с названием файла '''IDA<Номер группы>HW2<Фамилия>.ipynb''' - например IDA1HW2Panov.ipynb. Срок - 22 октября 2017, 23:59. 
'''3) ДЗ 3: Нейросети''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw3/hw3.ipynb тетрадка], [https://www.dropbox.com/s/y62of919dlasyzs/images.npy?dl=0 данные]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/ZpCjSqeP4f8dOyByqgSb Dropbox] с названием файла '''IDA<Номер группы>HW3<Фамилия>.ipynb''' - например IDA1HW3Panov.ipynb. Срок - 3 декабря 2017, 23:59.

== Полезные ссылки (Будут пополняться) ==
''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

''Полезные визуализации''
# [http://colah.github.io/] Нейросети, распределения и т.п.

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-11-16T09:35:03Z

Panov.ai:

__TOC__
== Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

'''UPDATE!''' Вопросы по ДЗ нужно и можно задавать ассистентам групп: 
1) ИАД-1 - [http://t.me/msgolovina Мария Головина] (Telegram @msgolovina), 
2) ИАД-2 - [http://t.me/skripniuk Владислав Скрипнюк] (Telegram @skripniuk). 

''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь] 
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17] 

== Семинары ==
'''1) 7 сентября 2017:''' Метод опорных векторов и ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-17/seminar1/1_svm.ipynb тетрадка], [https://goo.gl/forms/1byeOJg3la09woPe2 опрос] 
'''2) 21 сентября 2017:''' Методы оптимизации - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/2_gradient_descent.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/food_trucks.txt данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/space_ga.txt данные2], [https://goo.gl/forms/aBxtq6Gg5ameNlpr1 опрос] 
'''3) 28 сентября 2017:''' Предобработка данных - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar3/3_missing.ipynb тетрадка], [https://goo.gl/forms/LU2QtGA4bDFUdo8z1 опрос] 
'''4) 5 октября 2017:''' Бустинг - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/4_boosting_adv.ipynb основная], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/xgboost_test.ipynb дополнительная], опрос 
'''5) 12 октября 2017:''' Нейронные сети: начало - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_mlp.ipynb тетрадка MLP], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_mlp.ipynb тетрадка TF], [https://goo.gl/forms/TJ7w62qnyuT3nLMz2 опрос] 
'''6) 19 октября 2017:''' Нейронные сети: продолжение- [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_conv.ipynb тетрадка TF conv], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar6/6_keras_start.ipynb тетрадка Keras], [https://goo.gl/forms/LcXXb0VYvGJAzJec2 опрос] 
'''7) 2 ноября 2017:''' Статисткиа: распределения - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_distr.ipynb тетрадка 1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_select.ipynb тетрадка 2] 
'''8) 9 ноября 2017:''' Статистика: критерии - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar8 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''9) 16 ноября 2017:''' Нейронные сети: рекуррентные - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar9 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 

== Домашние Задания ==
'''1) ДЗ 1: SVM''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла '''IDA<Номер группы>HW1<Фамилия>.ipynb''' - например IDA1HW1Panov.ipynb. Срок - 9 октября 2017, 23:59. 
'''2) ДЗ 2: Бустинг''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/hw2.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/data.zip данные], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/paper.pdf статья]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/sc22z368B3GSxxudlSRb Dropbox] с названием файла '''IDA<Номер группы>HW2<Фамилия>.ipynb''' - например IDA1HW2Panov.ipynb. Срок - 22 октября 2017, 23:59. 
'''3) ДЗ 3: Нейросети''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw3/hw3.ipynb тетрадка]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/ZpCjSqeP4f8dOyByqgSb Dropbox] с названием файла '''IDA<Номер группы>HW3<Фамилия>.ipynb''' - например IDA1HW3Panov.ipynb. Срок - 3 декабря 2017, 23:59.

== Полезные ссылки (Будут пополняться) ==
''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

''Полезные визуализации''
# [http://colah.github.io/] Нейросети, распределения и т.п.

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-11-16T09:29:35Z

Panov.ai:

__TOC__
== Майнор по курсу СММО - 2017/2018 учебный год - ИАД-1 и ИАД-2==

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-1 и ИАД-2

Семинарист: [[Участник:Panov.ai | Панов Александр]] [mailto:apanov@hse.ru] 
При обращении по почте, начинайте тему письма со слов ''[Майнор ИАД]''

'''UPDATE!''' Вопросы по ДЗ нужно и можно задавать ассистентам групп: 
1) ИАД-1 - [http://t.me/msgolovina Мария Головина] (Telegram @msgolovina), 
2) ИАД-2 - [http://t.me/skripniuk Владислав Скрипнюк] (Telegram @skripniuk). 

''' [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страница] курса''' 
'''Анонимные''' комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/eyYRTv379a9mj7Tr2 здесь] 
Репозиторий курса - [https://github.com/grafft/hse-tasks/tree/master/minor-aml-17 https://github.com/grafft/hse-tasks/tree/master/minor-aml-17] 

== Семинары ==
'''1) 7 сентября 2017:''' Метод опорных векторов и ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-17/seminar1/1_svm.ipynb тетрадка], [https://goo.gl/forms/1byeOJg3la09woPe2 опрос] 
'''2) 21 сентября 2017:''' Методы оптимизации - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/2_gradient_descent.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/food_trucks.txt данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar2/space_ga.txt данные2], [https://goo.gl/forms/aBxtq6Gg5ameNlpr1 опрос] 
'''3) 28 сентября 2017:''' Предобработка данных - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar3/3_missing.ipynb тетрадка], [https://goo.gl/forms/LU2QtGA4bDFUdo8z1 опрос] 
'''4) 5 октября 2017:''' Бустинг - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/4_boosting_adv.ipynb основная], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar4/xgboost_test.ipynb дополнительная], опрос 
'''5) 12 октября 2017:''' Нейронные сети: начало - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_mlp.ipynb тетрадка MLP], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_mlp.ipynb тетрадка TF], [https://goo.gl/forms/TJ7w62qnyuT3nLMz2 опрос] 
'''6) 19 октября 2017:''' Нейронные сети: продолжение- [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar5/5_tf_conv.ipynb тетрадка TF conv], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar6/6_keras_start.ipynb тетрадка Keras], [https://goo.gl/forms/LcXXb0VYvGJAzJec2 опрос] 
'''7) 2 ноября 2017:''' Статисткиа: распределения - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_distr.ipynb тетрадка 1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar7/7_stat_select.ipynb тетрадка 2] 
'''8) 9 ноября 2017:''' Статистика: критерии - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar8 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 
'''9) 16 ноября 2017:''' Нейронные сети: рекуррентные - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/seminar9 папка с тетрадками], [https://goo.gl/forms/q6NOfABn8EquAnxc2 опрос] 

== Домашние Задания ==
'''1) ДЗ 1: SVM''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/hw1-svm.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/data.zip данные1], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw1/titanium.csv данные2]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/CuFAJ5bY0y7LCzqyYkc1 Dropbox] с названием файла '''IDA<Номер группы>HW1<Фамилия>.ipynb''' - например IDA1HW1Panov.ipynb. Срок - 9 октября 2017, 23:59. 
'''2) ДЗ 2: Бустинг''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/hw2.ipynb тетрадка], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/data.zip данные], [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw2/paper.pdf статья]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/sc22z368B3GSxxudlSRb Dropbox] с названием файла '''IDA<Номер группы>HW2<Фамилия>.ipynb''' - например IDA1HW2Panov.ipynb. Срок - 22 октября 2017, 23:59.
'''3) ДЗ 3: Нейросети''' - [https://github.com/grafft/hse-tasks/blob/master/minor-aml-17/hw3/hw3.ipynb тетрадка]. Готовые решения (только файл ipynb!) отправлять в [https://www.dropbox.com/request/ZpCjSqeP4f8dOyByqgSb Dropbox] с названием файла '''IDA<Номер группы>HW3<Фамилия>.ipynb''' - например IDA1HW3Panov.ipynb. Срок - 3 декабря 2017, 23:59.

== Полезные ссылки (Будут пополняться) ==
''' Семинар 1 '''
# [https://www.youtube.com/watch?v=3liCbRZPrZA Пример работы полиномиального ядра]
# [http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/ Описание ядер]
# [http://www.ccas.ru/voron/download/SVM.pdf Еще про SVM]

''Полезные визуализации''
# [http://colah.github.io/] Нейросети, распределения и т.п.

'' Pandas & Seaborn ''
# [http://pandas.pydata.org/ Pandas]
# [https://leanpub.com/effective-pandas Effective Pandas]
# [http://www.analyticsvidhya.com/blog/2015/07/11-steps-perform-data-analysis-pandas-python/ Pandas Cheat-Sheet]
# [http://pandas.pydata.org/pandas-docs/stable/visualization.html Pandas Visualization]
# [http://stanford.edu/~mwaskom/software/seaborn/ Seaborn]

'' Наборы данных ''
# [http://data.gov.ru/ Портал Открытых Данных РФ]
# [http://blog.yhat.com/posts/7-funny-datasets.html Funny Datasets]
# [https://github.com/caesar0301/awesome-public-datasets Сборник Открытых Данных (!!!)]
# [http://homepages.inf.ed.ac.uk/rbf/CVonline/Imagedbase.htm Еще наборы данных]

'' FYI ''
# [http://tylervigen.com/spurious-correlations Spurious Correlations]
# [https://xkcd.com/552/ Correlation]

'' Python ''
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

'' Ресурсы и Книги ''
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

''' Онлайн Курсы '''
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

Современные методы машинного обучения (курс майнора) 2017/2018 ИАД1

2017-11-09T08:57:04Z

Panov.ai: