https://wiki.cs.hse.ru/api.php?action=feedcontributions&feedformat=atom&user=Parestoranam 2026-09-21T01:34:36Z Вклад MediaWiki 1.43.9 https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2/2023_2024&diff=77614 2023-04-15T11:40:57Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> [[Файл:ML_surfaces.png|280px|borderless|left]]<br /> <br /> Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3-4 модулях.<br /> <br /> Проводится с 2016 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят по пятницам, 11:10 - 12:30, в [https://us06web.zoom.us/j/87309155639?pwd=SUlEQWNaRE1VdVBaeW5Zd0RVekxDdz09 zoom].<br /> <br /> <br /> <br /> <br /> <br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/646485502 Карточка курса и программа]<br /> <br /> [https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+&lt;номер группы&gt;@gmail.com (например, hse.cs.ml+161@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/+nw_2X9UCUGNhMWVi<br /> <br /> Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/+3BLmxzv63VM0OGMy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/1018<br /> <br /> [https://docs.google.com/spreadsheets/d/1Z-9POgE6dTwtw5lLWf4PmHLux116zh4LCnpk-o0MKhE/edit?usp=sharing Таблица с оценками]<br /> <br /> Плейлист с записями занятий: https://www.youtube.com/playlist?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7<br /> <br /> Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]<br /> <br /> '''Вопросы''' по курсу можно задавать на почту курса, а также в телеграм лектору (esokolov@) или семинаристу.<br /> Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде [https://github.com/esokolov/ml-course-hse/issues Issue] в [https://github.com/esokolov/ml-course-hse github-репозитории курса].<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент<br /> |-<br /> | 201 (МОП) || [https://www.hse.ru/org/persons/208533329 Шабалин Александр Михайлович] || [https://t.me/artempris Артем Присяжнюк], [https://t.me/ipomeya31 Александр Плахин]<br /> |-<br /> | 202 (МОП) || [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич] || [https://t.me/fdrose Максим Абрахам], [https://t.me/exmohito Антон Макаров]<br /> |-<br /> | 203 (МОП) || [https://www.hse.ru/org/persons/208488544 Биршерт Алексей Дмитриевич] || [https://t.me/treaptofun Антон Барышников]<br /> |-<br /> | Курс по выбору для ПМИ || [https://www.hse.ru/org/persons/225560347 Морозов Никита Витальевич] || [https://t.me/leksious Алексей Панков]<br /> |-<br /> | Межампус || [https://www.hse.ru/org/persons/218009880 Ульянкин Филипп] [https://t.me/ppilif @ppilif] || [https://t.me/markusikk Марк Столяров]<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций<br /> * Практические домашние работы на Python<br /> * Устный коллоквиум<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> Итог = Округление(0.4 * ДЗ + 0.2 * К + 0.1 * ПР + 0.3 * Э)<br /> <br /> ПР — средняя оценка за самостоятельные работы на семинарах<br /> <br /> ДЗ — средняя оценка за практические домашние работы на Python<br /> <br /> К — оценка за коллоквиум<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!<br /> <br /> '''Лекция 1''' (21 января). Ядровые методы [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/lecture-notes/lecture13-kernels.pdf Конспект]] [[https://youtu.be/GRvvysTnOSo?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7 Запись лекции]]<br /> <br /> '''Лекция 2''' (28 января). Ядровой метод опорных векторов. Аппроксимация ядер. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/lecture-notes/lecture14-kernels.pdf Конспект]] [[https://youtu.be/o-8u49U1P1g?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7 Запись лекции]]<br /> <br /> '''Лекция 3''' (3 февраля). ЕМ-алгоритм. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture15-em.pdf Конспект]] [[https://youtu.be/Y4FE8FJMEow Запись лекции]]<br /> <br /> '''Лекция 4''' (10 февраля). ЕМ-алгоритм. Одноклассовая классификация. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture16-anomaly.pdf Конспект]] [[https://youtu.be/AUJKDrBG3u8 Запись лекции]]<br /> <br /> '''Лекция 5''' (17 февраля). Одноклассовая классификация. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture16-anomaly.pdf Конспект]] [[https://youtu.be/bULsgPAyqZ8 Запись лекции]]<br /> <br /> '''Лекция 6''' (5 марта). Поиск аномалий. Спектральная кластеризация. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture17-clusterization.pdf Конспект]] [[https://youtu.be/4CJUXlfFcM4 Запись лекции]]<br /> <br /> '''Лекция 7''' (10 марта). Кластеризация. Тематическое моделирование. [[https://youtu.be/wPI6HZzBtwk Запись лекции]] [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture18-topicmodels.pdf Конспект]]<br /> <br /> '''Лекция 8''' (17 марта). Метрические методы. [[https://youtu.be/W5JlB52fVKY Запись лекции]] [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture20-knn.pdf Конспект]]<br /> <br /> '''Лекция 9''' (26 марта). Быстрый поиск ближайших соседей. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture20-knn.pdf Конспект]] [[https://youtu.be/pbwXJfmy0bA Запись лекции]]<br /> <br /> '''Лекция 10''' (8 апреля). Быстрый поиск ближайших соседей. [[https://youtu.be/p9NvdUVbcbk Запись лекции]]<br /> <br /> '''Лекция 11''' (14 апреля). Обучение ранжированию. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture22-ranking.pdf Конспект]] [[https://youtu.be/rtQkkrIbXU0 Запись лекции]]<br /> <br /> == Семинары ==<br /> '''Семинар 1'''. Задачи условной оптимизации и теорема Куна-Таккера. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem13-kkt.pdf Конспект]] [[https://youtu.be/e3SMw1AnwEE Видео]]<br /> <br /> '''Семинар 2'''. Задачи на построение ядер. Задачи на прямую и двойственную формулировки метода опорных векторов. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem14-kernels.pdf Конспект]] [[https://youtu.be/lhCg0nf9a-o Видео-1]] [[https://youtu.be/J8-vGCBAzmQ Видео-2]]<br /> <br /> '''Семинар 3'''. EM-алгоритм. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem15-em.pdf Конспект]]. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem15-em.ipynb Ноутбук с применением алгоритма]] [[https://youtu.be/aaIQAEBHMv0 Видео-1]] [[https://youtu.be/QPB5B02Zuso Видео-2]]<br /> <br /> '''Семинар 4'''. Байесовские методы машинного обучения. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem16-bayes.pdf Конспект]][[https://youtu.be/zxZKUoWqSJ4 Видео]]<br /> <br /> '''Семинар 5'''. Машинное обучение на графах. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem17-graph.pdf Конспект]]. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem17-graph.ipynb Ноутбук с примерами методов]] [[https://youtu.be/k0lskvo45dI Видео]]<br /> <br /> '''Семинар 6'''. Кластеризация на графах. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem18-graph-clustering.pdf Конспект]] [[https://youtu.be/y_a2DVsYM_o Видео]]<br /> <br /> '''Семинар 7'''. kNN. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem19-knn.pdf Конспект]]. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem19-knn.ipynb Ноутбук с примерами]] [[https://youtu.be/kY7lE-u76fg Видео]] <br /> <br /> '''Семинар 8'''. Обучение метрик. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem20-metric-learning.pdf Конспект]] [[https://youtu.be/TCXcprImDbU Видео]]<br /> <br /> '''Семинар 9'''. Multi-label классификация. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem21-multilabel.pdf Конспект]] [[https://youtu.be/TCXcprImDbU Видео]]<br /> <br /> == Теоретические задания ==<br /> <br /> [https://github.com/esokolov/ml-course-hse/tree/master/2022-spring/homeworks-theory Теоретические ДЗ] не проверяются, но задачи из них могут войти в проверочные работы на семинарах.<br /> <br /> == Практические задания ==<br /> <br /> '''Задание 8.''' Метод опорных векторов и аппроксимация ядер<br /> <br /> Мягкий дедлайн: 20.02.2023 23:59. <br /> <br /> Жесткий дедлайн: 26.02.2023 23:59.<br /> <br /> [[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-08-random-features.ipynb Ноутбук с заданием]]<br /> <br /> '''Задание 9.''' EM-алгоритм<br /> <br /> Мягкий дедлайн: 18.03.2022 23:59. <br /> <br /> Жесткий дедлайн: 25.03.2022 23:59.<br /> <br /> [[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-09-em/homework-practice-09-em.ipynb Ноутбук с заданием]]<br /> <br /> '''Задание 10.''' Обучение без учителя<br /> <br /> Мягкий дедлайн: 24.04.2022 23:59.<br /> <br /> Жесткий дедлайн: 30.04.2022 23:59.<br /> <br /> [[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-10-unsupervised.ipynb Ноутбук с заданием]]<br /> <br /> == Проект ==<br /> <br /> Одной из форм контроля является проект. Результатом выполнения проекта должен быть отчёт, содержащий в себе:<br /> * Описание задачи<br /> * Описание методов<br /> * Описание данных, на которых проводились эксперименты<br /> * Подробное описание экспериментов и результатов<br /> * Анализ результатов и выводы<br /> <br /> Не нужно писать формальный текст — будет здорово, если у вас получится интересная и доступная обзорная статья.<br /> <br /> За проект можно получить до 5 бонусных баллов. Если получится совсем потрясающе — то и до 10 баллов.<br /> <br /> Темы проектов: '''будут объявлены позже'''<br /> <br /> Можно предлагать свои темы — их нужно вписать в ту же табличку. Такие темы нужно согласовать с лектором.<br /> <br /> По умолчанию каждую тему может взять одна команда из 2-3 студентов. По согласованию с лектором одну тему может взять несколько команд.<br /> <br /> Дедлайн сдачи отчёта и кода: 13 июня 23:59.<br /> <br /> == Коллоквиум ==<br /> <br /> На каждого студента отводится 20 минут. За это время он должен ответить на 3 вопроса из теоретического минимума и решить задачу. Каждый вопрос из теоретического минимума &quot;стоит&quot; 7/3 балла, задача — 3 балла. Время на подготовку не предусмотрено.<br /> <br /> [https://docs.google.com/document/d/1hk6iCRf-FXzUHV7J2xBTDMLpB50p2QovG796NK_6p2Y/edit?usp=sharing Вопросы с прошлого года]<br /> <br /> == Экзамен ==<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.<br /> * Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> <br /> == Страницы предыдущих лет ==<br /> <br /> [[Машинное_обучение_2/2020_2021 | 2020/2021 учебный год]]<br /> <br /> [[Машинное_обучение_2/2019_2020 | 2019/2020 учебный год]]<br /> <br /> [[Машинное_обучение_2/2018_2019 | 2018/2019 учебный год]]<br /> <br /> [[Машинное_обучение_2/2017_2018 | 2017/2018 учебный год]]<br /> <br /> [[Машинное_обучение_2/2016_2017 | 2016/2017 учебный год]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2/2023_2024&diff=77612 2023-04-15T11:32:57Z

<p>Parestoranam: /* Семинары */</p> <hr /> <div>== О курсе ==<br /> <br /> [[Файл:ML_surfaces.png|280px|borderless|left]]<br /> <br /> Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3-4 модулях.<br /> <br /> Проводится с 2016 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят по пятницам, 11:10 - 12:30, в [https://us06web.zoom.us/j/87309155639?pwd=SUlEQWNaRE1VdVBaeW5Zd0RVekxDdz09 zoom].<br /> <br /> <br /> <br /> <br /> <br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/646485502 Карточка курса и программа]<br /> <br /> [https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+&lt;номер группы&gt;@gmail.com (например, hse.cs.ml+161@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/+nw_2X9UCUGNhMWVi<br /> <br /> Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/+3BLmxzv63VM0OGMy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/1018<br /> <br /> [https://docs.google.com/spreadsheets/d/1Z-9POgE6dTwtw5lLWf4PmHLux116zh4LCnpk-o0MKhE/edit?usp=sharing Таблица с оценками]<br /> <br /> Плейлист с записями занятий: https://www.youtube.com/playlist?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7<br /> <br /> Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]<br /> <br /> '''Вопросы''' по курсу можно задавать на почту курса, а также в телеграм лектору (esokolov@) или семинаристу.<br /> Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде [https://github.com/esokolov/ml-course-hse/issues Issue] в [https://github.com/esokolov/ml-course-hse github-репозитории курса].<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент<br /> |-<br /> | 201 (МОП) || [https://www.hse.ru/org/persons/208533329 Шабалин Александр Михайлович] || [https://t.me/artempris Артем Присяжнюк], [https://t.me/ipomeya31 Александр Плахин]<br /> |-<br /> | 202 (МОП) || [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич] || [https://t.me/fdrose Максим Абрахам], [https://t.me/exmohito Антон Макаров]<br /> |-<br /> | 203 (МОП) || [https://www.hse.ru/org/persons/208488544 Биршерт Алексей Дмитриевич] || [https://t.me/treaptofun Антон Барышников]<br /> |-<br /> | Курс по выбору для ПМИ || [https://www.hse.ru/org/persons/225560347 Морозов Никита Витальевич] || [https://t.me/leksious Алексей Панков]<br /> |-<br /> | Межампус || [https://www.hse.ru/org/persons/218009880 Ульянкин Филипп] [https://t.me/ppilif @ppilif] || [https://t.me/markusikk Марк Столяров]<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций<br /> * Практические домашние работы на Python<br /> * Устный коллоквиум<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> Итог = Округление(0.4 * ДЗ + 0.2 * К + 0.1 * ПР + 0.3 * Э)<br /> <br /> ПР — средняя оценка за самостоятельные работы на семинарах<br /> <br /> ДЗ — средняя оценка за практические домашние работы на Python<br /> <br /> К — оценка за коллоквиум<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!<br /> <br /> '''Лекция 1''' (21 января). Ядровые методы [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/lecture-notes/lecture13-kernels.pdf Конспект]] [[https://youtu.be/GRvvysTnOSo?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7 Запись лекции]]<br /> <br /> '''Лекция 2''' (28 января). Ядровой метод опорных векторов. Аппроксимация ядер. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/lecture-notes/lecture14-kernels.pdf Конспект]] [[https://youtu.be/o-8u49U1P1g?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7 Запись лекции]]<br /> <br /> '''Лекция 3''' (3 февраля). ЕМ-алгоритм. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture15-em.pdf Конспект]] [[https://youtu.be/Y4FE8FJMEow Запись лекции]]<br /> <br /> '''Лекция 4''' (10 февраля). ЕМ-алгоритм. Одноклассовая классификация. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture16-anomaly.pdf Конспект]] [[https://youtu.be/AUJKDrBG3u8 Запись лекции]]<br /> <br /> '''Лекция 5''' (17 февраля). Одноклассовая классификация. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture16-anomaly.pdf Конспект]] [[https://youtu.be/bULsgPAyqZ8 Запись лекции]]<br /> <br /> '''Лекция 6''' (5 марта). Поиск аномалий. Спектральная кластеризация. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture17-clusterization.pdf Конспект]] [[https://youtu.be/4CJUXlfFcM4 Запись лекции]]<br /> <br /> '''Лекция 7''' (10 марта). Кластеризация. Тематическое моделирование. [[https://youtu.be/wPI6HZzBtwk Запись лекции]] [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture18-topicmodels.pdf Конспект]]<br /> <br /> '''Лекция 8''' (17 марта). Метрические методы. [[https://youtu.be/W5JlB52fVKY Запись лекции]] [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture20-knn.pdf Конспект]]<br /> <br /> '''Лекция 9''' (26 марта). Быстрый поиск ближайших соседей. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture20-knn.pdf Конспект]] [[https://youtu.be/pbwXJfmy0bA Запись лекции]]<br /> <br /> '''Лекция 10''' (8 апреля). Быстрый поиск ближайших соседей. [[https://youtu.be/p9NvdUVbcbk Запись лекции]]<br /> <br /> '''Лекция 11''' (14 апреля). Обучение ранжированию. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture22-ranking.pdf Конспект]] [[https://youtu.be/rtQkkrIbXU0 Запись лекции]]<br /> <br /> == Семинары ==<br /> '''Семинар 1'''. Задачи условной оптимизации и теорема Куна-Таккера. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem13-kkt.pdf Конспект]] [[https://youtu.be/e3SMw1AnwEE Видео]]<br /> <br /> '''Семинар 2'''. Задачи на построение ядер. Задачи на прямую и двойственную формулировки метода опорных векторов. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem14-kernels.pdf Конспект]] [[https://youtu.be/lhCg0nf9a-o Видео-1]] [[https://youtu.be/J8-vGCBAzmQ Видео-2]]<br /> <br /> '''Семинар 3'''. EM-алгоритм. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem15-em.pdf Конспект]]. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem15-em.ipynb Ноутбук с применением алгоритма]]<br /> <br /> '''Семинар 4'''. Байесовские методы машинного обучения. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem16-bayes.pdf Конспект]][[https://youtu.be/zxZKUoWqSJ4 Видео]]<br /> <br /> '''Семинар 5'''. Машинное обучение на графах. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem17-graph.pdf Конспект]]. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem17-graph.ipynb Ноутбук с примерами методов]]<br /> <br /> '''Семинар 6'''. Кластеризация на графах. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem18-graph-clustering.pdf Конспект]]<br /> <br /> '''Семинар 7'''. kNN. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem19-knn.pdf Конспект]]. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem19-knn.ipynb Ноутбук с примерами]]<br /> <br /> '''Семинар 8'''. Обучение метрик. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem20-metric-learning.pdf Конспект]]<br /> <br /> '''Семинар 9'''. Multi-label классификация. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem21-multilabel.pdf Конспект]]<br /> <br /> == Теоретические задания ==<br /> <br /> [https://github.com/esokolov/ml-course-hse/tree/master/2022-spring/homeworks-theory Теоретические ДЗ] не проверяются, но задачи из них могут войти в проверочные работы на семинарах.<br /> <br /> == Практические задания ==<br /> <br /> '''Задание 8.''' Метод опорных векторов и аппроксимация ядер<br /> <br /> Мягкий дедлайн: 20.02.2023 23:59. <br /> <br /> Жесткий дедлайн: 26.02.2023 23:59.<br /> <br /> [[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-08-random-features.ipynb Ноутбук с заданием]]<br /> <br /> == Проект ==<br /> <br /> Одной из форм контроля является проект. Результатом выполнения проекта должен быть отчёт, содержащий в себе:<br /> * Описание задачи<br /> * Описание методов<br /> * Описание данных, на которых проводились эксперименты<br /> * Подробное описание экспериментов и результатов<br /> * Анализ результатов и выводы<br /> <br /> Не нужно писать формальный текст — будет здорово, если у вас получится интересная и доступная обзорная статья.<br /> <br /> За проект можно получить до 5 бонусных баллов. Если получится совсем потрясающе — то и до 10 баллов.<br /> <br /> Темы проектов: '''будут объявлены позже'''<br /> <br /> Можно предлагать свои темы — их нужно вписать в ту же табличку. Такие темы нужно согласовать с лектором.<br /> <br /> По умолчанию каждую тему может взять одна команда из 2-3 студентов. По согласованию с лектором одну тему может взять несколько команд.<br /> <br /> Дедлайн сдачи отчёта и кода: 13 июня 23:59.<br /> <br /> == Коллоквиум ==<br /> <br /> На каждого студента отводится 20 минут. За это время он должен ответить на 3 вопроса из теоретического минимума и решить задачу. Каждый вопрос из теоретического минимума &quot;стоит&quot; 7/3 балла, задача — 3 балла. Время на подготовку не предусмотрено.<br /> <br /> [https://docs.google.com/document/d/1hk6iCRf-FXzUHV7J2xBTDMLpB50p2QovG796NK_6p2Y/edit?usp=sharing Вопросы с прошлого года]<br /> <br /> == Экзамен ==<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.<br /> * Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> <br /> == Страницы предыдущих лет ==<br /> <br /> [[Машинное_обучение_2/2020_2021 | 2020/2021 учебный год]]<br /> <br /> [[Машинное_обучение_2/2019_2020 | 2019/2020 учебный год]]<br /> <br /> [[Машинное_обучение_2/2018_2019 | 2018/2019 учебный год]]<br /> <br /> [[Машинное_обучение_2/2017_2018 | 2017/2018 учебный год]]<br /> <br /> [[Машинное_обучение_2/2016_2017 | 2016/2017 учебный год]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2/2023_2024&diff=77609 2023-04-15T11:22:49Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> [[Файл:ML_surfaces.png|280px|borderless|left]]<br /> <br /> Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3-4 модулях.<br /> <br /> Проводится с 2016 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят по пятницам, 11:10 - 12:30, в [https://us06web.zoom.us/j/87309155639?pwd=SUlEQWNaRE1VdVBaeW5Zd0RVekxDdz09 zoom].<br /> <br /> <br /> <br /> <br /> <br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/646485502 Карточка курса и программа]<br /> <br /> [https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+&lt;номер группы&gt;@gmail.com (например, hse.cs.ml+161@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/+nw_2X9UCUGNhMWVi<br /> <br /> Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/+3BLmxzv63VM0OGMy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/1018<br /> <br /> [https://docs.google.com/spreadsheets/d/1Z-9POgE6dTwtw5lLWf4PmHLux116zh4LCnpk-o0MKhE/edit?usp=sharing Таблица с оценками]<br /> <br /> Плейлист с записями занятий: https://www.youtube.com/playlist?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7<br /> <br /> Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]<br /> <br /> '''Вопросы''' по курсу можно задавать на почту курса, а также в телеграм лектору (esokolov@) или семинаристу.<br /> Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде [https://github.com/esokolov/ml-course-hse/issues Issue] в [https://github.com/esokolov/ml-course-hse github-репозитории курса].<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент<br /> |-<br /> | 201 (МОП) || [https://www.hse.ru/org/persons/208533329 Шабалин Александр Михайлович] || [https://t.me/artempris Артем Присяжнюк], [https://t.me/ipomeya31 Александр Плахин]<br /> |-<br /> | 202 (МОП) || [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич] || [https://t.me/fdrose Максим Абрахам], [https://t.me/exmohito Антон Макаров]<br /> |-<br /> | 203 (МОП) || [https://www.hse.ru/org/persons/208488544 Биршерт Алексей Дмитриевич] || [https://t.me/treaptofun Антон Барышников]<br /> |-<br /> | Курс по выбору для ПМИ || [https://www.hse.ru/org/persons/225560347 Морозов Никита Витальевич] || [https://t.me/leksious Алексей Панков]<br /> |-<br /> | Межампус || [https://www.hse.ru/org/persons/218009880 Ульянкин Филипп] [https://t.me/ppilif @ppilif] || [https://t.me/markusikk Марк Столяров]<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций<br /> * Практические домашние работы на Python<br /> * Устный коллоквиум<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> Итог = Округление(0.4 * ДЗ + 0.2 * К + 0.1 * ПР + 0.3 * Э)<br /> <br /> ПР — средняя оценка за самостоятельные работы на семинарах<br /> <br /> ДЗ — средняя оценка за практические домашние работы на Python<br /> <br /> К — оценка за коллоквиум<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!<br /> <br /> == Семинары ==<br /> '''Семинар 1'''. Задачи условной оптимизации и теорема Куна-Таккера. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem13-kkt.pdf Конспект]] [[https://youtu.be/e3SMw1AnwEE Видео]]<br /> <br /> '''Семинар 2'''. Задачи на построение ядер. Задачи на прямую и двойственную формулировки метода опорных векторов. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem14-kernels.pdf Конспект]] [[https://youtu.be/lhCg0nf9a-o Видео-1]] [[https://youtu.be/J8-vGCBAzmQ Видео-2]]<br /> <br /> '''Семинар 3'''. EM-алгоритм. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem15-em.pdf Конспект]]. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem15-em.ipynb Ноутбук с применением алгоритма]]<br /> <br /> '''Семинар 4'''. Байесовские методы машинного обучения. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem16-bayes.pdf Конспект]][[https://youtu.be/zxZKUoWqSJ4 Видео]]<br /> <br /> == Теоретические задания ==<br /> <br /> [https://github.com/esokolov/ml-course-hse/tree/master/2022-spring/homeworks-theory Теоретические ДЗ] не проверяются, но задачи из них могут войти в проверочные работы на семинарах.<br /> <br /> == Практические задания ==<br /> <br /> '''Задание 8.''' Метод опорных векторов и аппроксимация ядер<br /> <br /> Мягкий дедлайн: 20.02.2023 23:59. <br /> <br /> Жесткий дедлайн: 26.02.2023 23:59.<br /> <br /> [[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-08-random-features.ipynb Ноутбук с заданием]]<br /> <br /> == Проект ==<br /> <br /> Одной из форм контроля является проект. Результатом выполнения проекта должен быть отчёт, содержащий в себе:<br /> * Описание задачи<br /> * Описание методов<br /> * Описание данных, на которых проводились эксперименты<br /> * Подробное описание экспериментов и результатов<br /> * Анализ результатов и выводы<br /> <br /> Не нужно писать формальный текст — будет здорово, если у вас получится интересная и доступная обзорная статья.<br /> <br /> За проект можно получить до 5 бонусных баллов. Если получится совсем потрясающе — то и до 10 баллов.<br /> <br /> Темы проектов: '''будут объявлены позже'''<br /> <br /> Можно предлагать свои темы — их нужно вписать в ту же табличку. Такие темы нужно согласовать с лектором.<br /> <br /> По умолчанию каждую тему может взять одна команда из 2-3 студентов. По согласованию с лектором одну тему может взять несколько команд.<br /> <br /> Дедлайн сдачи отчёта и кода: 13 июня 23:59.<br /> <br /> == Коллоквиум ==<br /> <br /> На каждого студента отводится 20 минут. За это время он должен ответить на 3 вопроса из теоретического минимума и решить задачу. Каждый вопрос из теоретического минимума &quot;стоит&quot; 7/3 балла, задача — 3 балла. Время на подготовку не предусмотрено.<br /> <br /> [https://docs.google.com/document/d/1hk6iCRf-FXzUHV7J2xBTDMLpB50p2QovG796NK_6p2Y/edit?usp=sharing Вопросы с прошлого года]<br /> <br /> == Экзамен ==<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.<br /> * Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> <br /> == Страницы предыдущих лет ==<br /> <br /> [[Машинное_обучение_2/2020_2021 | 2020/2021 учебный год]]<br /> <br /> [[Машинное_обучение_2/2019_2020 | 2019/2020 учебный год]]<br /> <br /> [[Машинное_обучение_2/2018_2019 | 2018/2019 учебный год]]<br /> <br /> [[Машинное_обучение_2/2017_2018 | 2017/2018 учебный год]]<br /> <br /> [[Машинное_обучение_2/2016_2017 | 2016/2017 учебный год]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2/2023_2024&diff=77608 2023-04-15T11:22:21Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> [[Файл:ML_surfaces.png|280px|borderless|left]]<br /> <br /> Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3-4 модулях.<br /> <br /> Проводится с 2016 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят по пятницам, 11:10 - 12:30, в [https://us06web.zoom.us/j/87309155639?pwd=SUlEQWNaRE1VdVBaeW5Zd0RVekxDdz09 zoom].<br /> <br /> <br /> <br /> <br /> <br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/646485502 Карточка курса и программа]<br /> <br /> [https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+&lt;номер группы&gt;@gmail.com (например, hse.cs.ml+161@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/+nw_2X9UCUGNhMWVi<br /> <br /> Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/+3BLmxzv63VM0OGMy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/1018<br /> <br /> [https://docs.google.com/spreadsheets/d/1Z-9POgE6dTwtw5lLWf4PmHLux116zh4LCnpk-o0MKhE/edit?usp=sharing Таблица с оценками]<br /> <br /> Плейлист с записями занятий: https://www.youtube.com/playlist?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7<br /> <br /> Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]<br /> <br /> '''Вопросы''' по курсу можно задавать на почту курса, а также в телеграм лектору (esokolov@) или семинаристу.<br /> Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде [https://github.com/esokolov/ml-course-hse/issues Issue] в [https://github.com/esokolov/ml-course-hse github-репозитории курса].<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент<br /> |-<br /> | 201 (МОП) || [https://www.hse.ru/org/persons/208533329 Шабалин Александр Михайлович] || [https://t.me/artempris Артем Присяжнюк], [https://t.me/ipomeya31 Александр Плахин]<br /> |-<br /> | 202 (МОП) || [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич] || [https://t.me/fdrose Максим Абрахам], [https://t.me/exmohito Антон Макаров]<br /> |-<br /> | 203 (МОП) || [https://www.hse.ru/org/persons/208488544 Биршерт Алексей Дмитриевич] || [https://t.me/treaptofun Антон Барышников]<br /> |-<br /> | Курс по выбору для ПМИ || [https://www.hse.ru/org/persons/225560347 Морозов Никита Витальевич] || [https://t.me/leksious Алексей Панков]<br /> |-<br /> | Межампус || [https://www.hse.ru/org/persons/218009880 Ульянкин Филипп] [https://t.me/ppilif @ppilif] || [https://t.me/markusikk Марк Столяров]<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций<br /> * Практические домашние работы на Python<br /> * Устный коллоквиум<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> Итог = Округление(0.4 * ДЗ + 0.2 * К + 0.1 * ПР + 0.3 * Э)<br /> <br /> ПР — средняя оценка за самостоятельные работы на семинарах<br /> <br /> ДЗ — средняя оценка за практические домашние работы на Python<br /> <br /> К — оценка за коллоквиум<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!<br /> <br /> == Семинары ==<br /> '''Семинар 1'''. Задачи условной оптимизации и теорема Куна-Таккера. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem13-kkt.pdf Конспект]] [[https://youtu.be/e3SMw1AnwEE Видео]]<br /> <br /> '''Семинар 2'''. Задачи на построение ядер. Задачи на прямую и двойственную формулировки метода опорных векторов. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem14-kernels.pdf Конспект]] [[https://youtu.be/lhCg0nf9a-o Видео-1]] [[https://youtu.be/J8-vGCBAzmQ] Видео-2]<br /> <br /> '''Семинар 3'''. EM-алгоритм. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem15-em.pdf Конспект]]. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem15-em.ipynb Ноутбук с применением алгоритма]]<br /> <br /> '''Семинар 4'''. Байесовские методы машинного обучения. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem16-bayes.pdf Конспект]][[https://youtu.be/zxZKUoWqSJ4 Видео]]<br /> <br /> == Теоретические задания ==<br /> <br /> [https://github.com/esokolov/ml-course-hse/tree/master/2022-spring/homeworks-theory Теоретические ДЗ] не проверяются, но задачи из них могут войти в проверочные работы на семинарах.<br /> <br /> == Практические задания ==<br /> <br /> '''Задание 8.''' Метод опорных векторов и аппроксимация ядер<br /> <br /> Мягкий дедлайн: 20.02.2023 23:59. <br /> <br /> Жесткий дедлайн: 26.02.2023 23:59.<br /> <br /> [[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-08-random-features.ipynb Ноутбук с заданием]]<br /> <br /> == Проект ==<br /> <br /> Одной из форм контроля является проект. Результатом выполнения проекта должен быть отчёт, содержащий в себе:<br /> * Описание задачи<br /> * Описание методов<br /> * Описание данных, на которых проводились эксперименты<br /> * Подробное описание экспериментов и результатов<br /> * Анализ результатов и выводы<br /> <br /> Не нужно писать формальный текст — будет здорово, если у вас получится интересная и доступная обзорная статья.<br /> <br /> За проект можно получить до 5 бонусных баллов. Если получится совсем потрясающе — то и до 10 баллов.<br /> <br /> Темы проектов: '''будут объявлены позже'''<br /> <br /> Можно предлагать свои темы — их нужно вписать в ту же табличку. Такие темы нужно согласовать с лектором.<br /> <br /> По умолчанию каждую тему может взять одна команда из 2-3 студентов. По согласованию с лектором одну тему может взять несколько команд.<br /> <br /> Дедлайн сдачи отчёта и кода: 13 июня 23:59.<br /> <br /> == Коллоквиум ==<br /> <br /> На каждого студента отводится 20 минут. За это время он должен ответить на 3 вопроса из теоретического минимума и решить задачу. Каждый вопрос из теоретического минимума &quot;стоит&quot; 7/3 балла, задача — 3 балла. Время на подготовку не предусмотрено.<br /> <br /> [https://docs.google.com/document/d/1hk6iCRf-FXzUHV7J2xBTDMLpB50p2QovG796NK_6p2Y/edit?usp=sharing Вопросы с прошлого года]<br /> <br /> == Экзамен ==<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.<br /> * Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> <br /> == Страницы предыдущих лет ==<br /> <br /> [[Машинное_обучение_2/2020_2021 | 2020/2021 учебный год]]<br /> <br /> [[Машинное_обучение_2/2019_2020 | 2019/2020 учебный год]]<br /> <br /> [[Машинное_обучение_2/2018_2019 | 2018/2019 учебный год]]<br /> <br /> [[Машинное_обучение_2/2017_2018 | 2017/2018 учебный год]]<br /> <br /> [[Машинное_обучение_2/2016_2017 | 2016/2017 учебный год]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2/2023_2024&diff=77607 2023-04-15T11:18:37Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> [[Файл:ML_surfaces.png|280px|borderless|left]]<br /> <br /> Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3-4 модулях.<br /> <br /> Проводится с 2016 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят по пятницам, 11:10 - 12:30, в [https://us06web.zoom.us/j/87309155639?pwd=SUlEQWNaRE1VdVBaeW5Zd0RVekxDdz09 zoom].<br /> <br /> <br /> <br /> <br /> <br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/646485502 Карточка курса и программа]<br /> <br /> [https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+&lt;номер группы&gt;@gmail.com (например, hse.cs.ml+161@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/+nw_2X9UCUGNhMWVi<br /> <br /> Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/+3BLmxzv63VM0OGMy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/1018<br /> <br /> [https://docs.google.com/spreadsheets/d/1Z-9POgE6dTwtw5lLWf4PmHLux116zh4LCnpk-o0MKhE/edit?usp=sharing Таблица с оценками]<br /> <br /> Плейлист с записями занятий: https://www.youtube.com/playlist?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7<br /> <br /> Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]<br /> <br /> '''Вопросы''' по курсу можно задавать на почту курса, а также в телеграм лектору (esokolov@) или семинаристу.<br /> Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде [https://github.com/esokolov/ml-course-hse/issues Issue] в [https://github.com/esokolov/ml-course-hse github-репозитории курса].<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебный ассистент<br /> |-<br /> | 201 (МОП) || [https://www.hse.ru/org/persons/208533329 Шабалин Александр Михайлович] || [https://t.me/artempris Артем Присяжнюк], [https://t.me/ipomeya31 Александр Плахин]<br /> |-<br /> | 202 (МОП) || [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич] || [https://t.me/fdrose Максим Абрахам], [https://t.me/exmohito Антон Макаров]<br /> |-<br /> | 203 (МОП) || [https://www.hse.ru/org/persons/208488544 Биршерт Алексей Дмитриевич] || [https://t.me/treaptofun Антон Барышников]<br /> |-<br /> | Курс по выбору для ПМИ || [https://www.hse.ru/org/persons/225560347 Морозов Никита Витальевич] || [https://t.me/leksious Алексей Панков]<br /> |-<br /> | Межампус || [https://www.hse.ru/org/persons/218009880 Ульянкин Филипп] [https://t.me/ppilif @ppilif] || [https://t.me/markusikk Марк Столяров]<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций<br /> * Практические домашние работы на Python<br /> * Устный коллоквиум<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> Итог = Округление(0.4 * ДЗ + 0.2 * К + 0.1 * ПР + 0.3 * Э)<br /> <br /> ПР — средняя оценка за самостоятельные работы на семинарах<br /> <br /> ДЗ — средняя оценка за практические домашние работы на Python<br /> <br /> К — оценка за коллоквиум<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!<br /> <br /> == Семинары ==<br /> '''Семинар 1'''. Задачи условной оптимизации и теорема Куна-Таккера. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem13-kkt.pdf Конспект]] [[https://youtu.be/e3SMw1AnwEE Видео]]<br /> <br /> == Теоретические задания ==<br /> <br /> [https://github.com/esokolov/ml-course-hse/tree/master/2022-spring/homeworks-theory Теоретические ДЗ] не проверяются, но задачи из них могут войти в проверочные работы на семинарах.<br /> <br /> == Практические задания ==<br /> <br /> '''Задание 8.''' Метод опорных векторов и аппроксимация ядер<br /> <br /> Мягкий дедлайн: 20.02.2023 23:59. <br /> <br /> Жесткий дедлайн: 26.02.2023 23:59.<br /> <br /> [[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-08-random-features.ipynb Ноутбук с заданием]]<br /> <br /> == Проект ==<br /> <br /> Одной из форм контроля является проект. Результатом выполнения проекта должен быть отчёт, содержащий в себе:<br /> * Описание задачи<br /> * Описание методов<br /> * Описание данных, на которых проводились эксперименты<br /> * Подробное описание экспериментов и результатов<br /> * Анализ результатов и выводы<br /> <br /> Не нужно писать формальный текст — будет здорово, если у вас получится интересная и доступная обзорная статья.<br /> <br /> За проект можно получить до 5 бонусных баллов. Если получится совсем потрясающе — то и до 10 баллов.<br /> <br /> Темы проектов: '''будут объявлены позже'''<br /> <br /> Можно предлагать свои темы — их нужно вписать в ту же табличку. Такие темы нужно согласовать с лектором.<br /> <br /> По умолчанию каждую тему может взять одна команда из 2-3 студентов. По согласованию с лектором одну тему может взять несколько команд.<br /> <br /> Дедлайн сдачи отчёта и кода: 13 июня 23:59.<br /> <br /> == Коллоквиум ==<br /> <br /> На каждого студента отводится 20 минут. За это время он должен ответить на 3 вопроса из теоретического минимума и решить задачу. Каждый вопрос из теоретического минимума &quot;стоит&quot; 7/3 балла, задача — 3 балла. Время на подготовку не предусмотрено.<br /> <br /> [https://docs.google.com/document/d/1hk6iCRf-FXzUHV7J2xBTDMLpB50p2QovG796NK_6p2Y/edit?usp=sharing Вопросы с прошлого года]<br /> <br /> == Экзамен ==<br /> <br /> == Полезные материалы ==<br /> ===Книги===<br /> * Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.<br /> * Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.<br /> * Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.<br /> * Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.<br /> <br /> ===Курсы по машинному обучению и анализу данных===<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> <br /> == Страницы предыдущих лет ==<br /> <br /> [[Машинное_обучение_2/2020_2021 | 2020/2021 учебный год]]<br /> <br /> [[Машинное_обучение_2/2019_2020 | 2019/2020 учебный год]]<br /> <br /> [[Машинное_обучение_2/2018_2019 | 2018/2019 учебный год]]<br /> <br /> [[Машинное_обучение_2/2017_2018 | 2017/2018 учебный год]]<br /> <br /> [[Машинное_обучение_2/2016_2017 | 2016/2017 учебный год]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_21/22_(%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%98%D0%90%D0%94)&diff=71017 2022-07-30T05:37:13Z

<p>Parestoranam: </p> <hr /> <div>== Преподаватели и учебные ассистенты ==<br /> {| class=&quot;wikitable&quot; style=&quot;text-align:center&quot;<br /> |-<br /> ! Группа !! ИАД-1 !! ИАД-2 !! ИАД-3,ИАД-6 !! ИАД-4 !! ИАД-5 !! ИАД-7 !!ИАД-9, ИАД-11, ИАД-12 !! ИАД-8 !! ИАД-10 !! ИАД-13, ИАД-18 !! ИАД-14, ИАД-15 !! ИАД-16, ИАД-17!!<br /> |-<br /> || '''Лектор'''<br /> | colspan=&quot;12&quot; | [https://www.hse.ru/en/staff/voznesenskaya Вознесенская Т.В.]<br /> [mailto:tvoznesenskaya@hse.ru tvoznesenskaya@hse.ru] , tg: [https://tlgg.ru/tvozn @tvozn]<br /> |- <br /> || '''Семинарист'''<br /> || Василиса Серякова<br /> || Денис Беляков<br /> || Дмитрий Третьяков<br /> || Иоанн Довгополый<br /> || Алексадра Краснокутская<br /> || Юрий Дубнов<br /> || Вознесенская Т.В.<br /> || Илья Косарев<br /> || Буланбаев Артур<br /> || Семенов Дмитрий <br /> || Вадим Альперович<br /> || Кирилл Прокофьев<br /> |-<br /> | rowspan=&quot;4&quot; | '''Ассистенты'''<br /> || Баранова Валерия<br /> tg: [https://t.me/vabaranova @vabaranova]<br /> || Беленко Алёна<br /> tg: [https://t.me/alyonabelenko alyonabelenko]<br /> || Косовская Анна (ИАД-3) tg: [https://t.me/a_dtc @a_dtc]<br /> Пескова Мария (ИАД-6) tg: [https://t.me/mariabaskia @mariabaskia]<br /> || Щетинина Алиса<br /> tg: [https://t.me/alisa_shc @alisa_shc]<br /> || Мусина Алина<br /> tg: [https://t.me/spakt26 @spakt26]<br /> || Кострыкина Екатерина<br /> tg: [https://t.me/ekostrykina @ekostrykina]<br /> || Ахмедова Лаура(ИАД-9) tg: [https://t.me/laurakhmedova @laurakhmedova]<br /> Сухоруков Георгий(ИАД-11) tg: [https://t.me/georgiysukhorukov @georgiysukhorukov]<br /> Червяков Артем(ИАД-12) tg: [https://t.me/arorlov @arorlov]<br /> || Никифоров Михаил <br /> tg: [https://t.me/caesiummm @caesiummm]<br /> || Смоленчук Иван <br /> tg: [https://t.me/ongalek @ongalek]<br /> || Аксенов Никита(ИАД-13) tg: [https://t.me/naketo @naketo ]<br /> Анджушева Манца(ИАД-18) tg: [https://t.me/amantsa @amantsa ]<br /> || Черкашин Павел (ИАД-14) <br /> tg: [https://t.me/vodochnyy @vodochnyy ]<br /> Сулейманов Руслан (ИАД-15) <br /> tg: [https://t.me/rus_slm @rus_slm ]<br /> || Арина Косовская (ИАД-16)<br /> tg: [https://t.me/arinakosovskaia @arinakosovskaia]<br /> Макаров Антон (ИАД-17)<br /> tg: [https://t.me/grandananas @grandananas]<br /> |-<br /> |}<br /> <br /> == Лекции ==<br /> <br /> === 1 модуль ===<br /> <br /> # Введение. [https://drive.google.com/file/d/1fNNud7Tu0JyYfALP3T9Q2QtPItvIPB9m/view?usp=sharing Слайды.]<br /> # On-line курс: &quot;Основы программирования на Python&quot; (https://www.coursera.org/learn/python-osnovy-programmirovaniya)<br /> <br /> === 2 модуль ===<br /> # Лекция 2. [https://youtu.be/5w2_x6Aa8RE Запись.] Поиск [https://drive.google.com/file/d/1UXfnGH-gk_n-Bsit2xFcMx-lMIDwFMXn/view?usp=sharing Cлайды.] Сортировка [https://drive.google.com/file/d/1ViSKZIv6iL9aIB6_a8U__0iH4ezJiRoI/view?usp=sharing Слайды.]. <br /> # Лекция 3. Работа с библиотеками. Ошибки и исключения [https://drive.google.com/file/d/1n7leU4A0w1wa35hzW99RtjTu3F3kcuV-/view?usp=sharing Слайды]<br /> # Лекция 4. Элементы функционального программирования. [https://drive.google.com/file/d/1fZk_Ir9vFasjstAUzxSyg34EVUyboXqu/view?usp=sharing Слайды.]<br /> # Лекция 5. ООП. [https://drive.google.com/file/d/1vQj-b4v5fcauxMUDkPnF3iC05rRUnNIu/view?usp=sharing Слайды.]<br /> # Лекция 6. NumPy. [https://drive.google.com/file/d/1hVeULdCQ8roHnnIvgVoa1zj-vGf59rOB/view?usp=sharing Слайды.]<br /> <br /> == Семинары и домашние задания==<br /> <br /> {| class=&quot;wikitable&quot; style=&quot;text-align:left&quot;<br /> |-<br /> ! Тема !! Конспект !! Контест !! Дедлайн !! Необязательные задачи !!<br /> |-<br /> || Hello World!<br /> || [https://drive.google.com/file/d/1c6dsmpz9mK2HhjvDTnwl3nKZjFmeGahB/view?usp=sharing .ipynb]<br /> || ДЗ1_1-https://official.contest.yandex.ru/contest/29239/enter/<br /> ||<br /> ||<br /> |-<br /> || Работа с числами. Работа со строками.<br /> Условный оператор. Циклы.<br /> || [https://drive.google.com/file/d/1cKZRFyNZ6sX4lphlIrUStsZB5Wfc2MI-/view?usp=sharing .pynb]<br /> || ДЗ1_2-https://official.contest.yandex.ru/contest/29262/enter/<br /> ДЗ1_3-https://official.contest.yandex.ru/contest/29276/enter/<br /> ||<br /> ||<br /> |-<br /> || Строки<br /> || [https://drive.google.com/file/d/1ruc-m_1eTkOoIOJHQhliHPoB7NtfJtNq/view?usp=sharing .ipynb]<br /> || ДЗ4- https://official.contest.yandex.ru/contest/29333/enter/<br /> || 26.09.2021 23:59<br /> ||-<br /> |-<br /> || Функции и рекурсия<br /> || [https://drive.google.com/file/d/1zmIDL7X3_LuVXkuSK5cpW069eE3oEeat/view?usp=sharing .ipynb]<br /> || ДЗ5-https://official.contest.yandex.ru/contest/29566/enter/<br /> || 02.10.2021 23:59<br /> || U, W, V<br /> |-<br /> || Цикл for<br /> ||<br /> || ДЗ6-https://official.contest.yandex.ru/contest/29769/enter/<br /> || 08.10.2021 23:59<br /> || K<br /> |-<br /> || Списки<br /> || [https://drive.google.com/file/d/1gaL_GgwvFN6cKe2gIOFuMSuu8PukWkGT/view?usp=sharing .ipynb]<br /> || ДЗ7-https://official.contest.yandex.ru/contest/29770/enter/<br /> || 17.10.2021 23:59<br /> || U, W, V, X<br /> |-<br /> || Поиск и сортировка<br /> || [https://drive.google.com/file/d/1fYaA21vF5YZWflFcq7fD_W4eAATffDMx/view?usp=sharing .ipynb]<br /> || ДЗ8-https://official.contest.yandex.ru/contest/29981/enter/<br /> || 25.10.2021 23:59<br /> || U, V, W, X<br /> |-<br /> || Работа с файлами<br /> || [https://drive.google.com/file/d/1_Y4fftu2NCEBcdeEtjJ7hF8dxjFZ7Xq8/view?usp=sharing .ipynb]<br /> || <br /> || <br /> || <br /> |-<br /> || Множества. Словари<br /> || [https://drive.google.com/file/d/1mPeVbFxSGfVcs_kzxnVlqXFsih4muD9S/view?usp=sharing .ipynb]<br /> || ДЗ9-https://official.contest.yandex.ru/contest/30151/enter/<br /> ДЗ10-https://official.contest.yandex.ru/contest/30152/enter/<br /> || 8.11.2021 23:59<br /> 8.11.2021 23:59<br /> || H, K<br /> K,L<br /> |-<br /> || Функциональное программирование<br /> || [https://drive.google.com/file/d/1C3P4WqHkUX4MRA-hmweCGKEU55CWciBM/view?usp=sharing .ipynb]<br /> || ДЗ11-https://official.contest.yandex.ru/contest/31347/enter<br /> || 28.11.2021 23:59<br /> || J, K, L<br /> |-<br /> || ООП<br /> || [https://drive.google.com/file/d/1QQ4r9l6AXGgScnI-SAFm9ub2BNzA5qW_/view?usp=sharing .ipynb]<br /> [https://drive.google.com/file/d/1rt_BS9grCq9puTw3GSkZjAJxWy9Fstik/view?usp=sharing .ipynb]<br /> [https://drive.google.com/file/d/1nuRNiFy5CEqHpWCKND933tQ7hOgUYJHY/view?usp=sharing .ipynb]<br /> || ДЗ12-https://official.contest.yandex.ru/contest/31842/enter<br /> || 09.12.2021 23:59<br /> || D, E, F<br /> |}<br /> <br /> Записи некоторых семинаров можно найти в плейлисте [https://youtube.com/playlist?list=PLEwK9wdS5g0reLcx0ZARFoVBLB549Xvpb Записи.]<br /> == Экзамен ==<br /> Письменный экзамен состоится '''15 декабря в 09:50'''. Он пройдет с использованием асинхронного прокторинга ТОЧНО по таким же правилам, как проходила контрольная (см. ниже).<br /> <br /> В '''09.50''' всем нужно зайти в лекционный zoom для финального инструктажа, далее этот zoom будет использоваться как чат для общения с преподавателями во время экзамена в случае необходимости.<br /> <br /> Студенты, у которых возникли технические проблемы c OBS Studio, пишут экзамен под наблюдением в другом zoom по ссылке https://zoom.us/j/91812870247 и автоматически попадают на устную часть 22 декабря.<br /> <br /> '''Контест стартует в 10.00, завершается в 12.00.''' Ссылка на контест будет выслана в чате zoom.<br /> <br /> Контест содержит 6 задач: первые две по 1 баллу, остальные 4 по 2 балла.<br /> <br /> Форма [https://forms.gle/m5ntdoWAhku9Bact9] для загрузки ссылок на видео<br /> <br /> <br /> Устный экзамен (защита письменной работы) состоится '''22 декабря в 10:00''' по ссылке https://zoom.us/j/97539303540.<br /> <br /> На защиту приглашаются следующие студенты:<br /> <br /> '''в 10.00''':<br /> <br /> Тухлин Никита Владимирович 2<br /> <br /> Добролюбова Алиса Леонидовна 6<br /> <br /> Сидельников Платон Павлович 10 <br /> <br /> Поликанов Вадим Михайлович 12<br /> <br /> '''в 11.00'''<br /> <br /> Корсиков Евгений Алексеевич 12<br /> <br /> Берсанова Лиана Исламовна 14<br /> <br /> Шатилова Елизавета Сергеевна 14<br /> <br /> Молоканова Ксения Алексеевна 15<br /> <br /> Остальные студенты, писавшие письменный экзамен, от защиты освобождены.<br /> <br /> Защита будет проходить в форме опроса по задачам письменной части. Возможны вопросы на смежные темы. Преподаватель может попросить решить похожую задачу и/или внести какие-либо изменения в решение.<br /> <br /> == Контрольная работа ==<br /> Контрольная пройдет с использованием асинхронного прокторинга '''10 ноября в 10:40''' <br /> <br /> В 10.40 всем нужно зайти в лекционный zoom для финального инструктажа, далее этот zoom будет использоваться как чат для общения с преподавателями во время контрольной в случае необходимости.<br /> <br /> Каждому студенту необходимо записать процесс выполнения заданий контрольной с использованием OBS Studio, выложить результат в облачное хранилище сразу после контрольной и предоставить ссылку на запись. Ваши видео будут просмотрены только преподавателями и ассистентами, после выставления оценок видео можно будет удалить (об этом будет сообщено дополнительно).<br /> <br /> '''Контест стартует в 11.00, завершается в 13.00.''' Ссылка на контест (будет продублирована в чате zoom): https://official.contest.yandex.ru/contest/31282/enter/<br /> <br /> Контест содержит 6 задач: первые две по 1 баллу, остальные 4 по 2 балла.<br /> <br /> В '''10:55''', за 5 минут до начала контрольной начните запись.<br /> <br /> Опоздавшие студенты (начавшие запись не до начала контрольной) будут дисквалифицированы. <br /> <br /> '''Студенты, предупредившие своего УА о технических проблемах''', пишут контрольную под наблюдением в другом zoom (будьте готовы к дальнейшей защите своих решений) по ссылке: https://zoom.us/j/95953095176.<br /> <br /> ''' Запись '''<br /> <br /> * Потребуется компьютер с веб-камерой и микрофоном (в частности, все современные ноутбуки оборудованы ими) и выходом в интернет<br /> <br /> * Необходимо установить OBS Studio по ссылке https://obsproject.com/ru<br /> <br /> * Необходимо настроить три источника входных потоков: микрофон, веб-камера и захват экрана. Подробнее о настройке в видео: https://www.youtube.com/watch?v=KVKrvPvPLYg<br /> <br /> Пожалуйста, заранее проверьте, что вы научились записывать видео в требуемом формате - этот процесс иногда может вызывать проблемы. Все решения проблем, связанных с записью в OBS Studio описаны в интернете.<br /> <br /> Во время контрольной '''разрешается''' пользоваться :<br /> * Сайтом тестирующей системы (в том числе своими решениями прошлых контестов курса (в самой системе)) <br /> * Средами разработки (не онлайн, а установленными на компьютере)<br /> * Конспектом онлайн курса [https://drive.google.com/file/d/1EW5q4LFGkY6BXp9TSWDTKoYXiXWdgNFc/view?usp=sharing] <br /> * Материалами, выложенными на данной странице<br /> * Документацией на https://docs.python.org/<br /> <br /> Во время контрольной '''не разрешается''':<br /> * Общение с другими людьми, заранее предупредите об этом тех людей, которые находятся с вами в месте написания контрольной<br /> * использование любых средств коллективной работы (Collab тоже запрещен) и онлайн ресурсов (кроме разрешенных выше)<br /> <br /> Действия, которые вы должны совершить '''до''' контрольной:<br /> <br /> * Заранее отключить все мессенджеры и закрыть лишние вкладки<br /> <br /> * Физически отключить и удалить любые электронные устройства и дополнительные мониторы с рабочего места<br /> <br /> * Подготовиться к тому, что вы не сможете покидать рабочее место в течение 2 часов <br /> <br /> * Включить запись из трех источников: экран, веб-камера и микрофон в OBS Studio<br /> <br /> * Показать свой паспорт, открытый на странице с фотографией и ФИО. Номер можете закрыть. Важно, чтобы было хорошо видно фото и ФИО. <br /> <br /> * Снять свое рабочее место со всех сторон и его окружение<br /> <br /> * Показать чистые листы, которые вы планируете использовать в качестве черновиков <br /> <br /> <br /> Порядок действий '''во время''' контрольной:<br /> <br /> * Любые вопросы вы должны задавать через чат в zoom. <br /> <br /> * В случае, если вы работаете с черновиком, направьте веб-камеру так, чтобы были видны ваши руки. Не забудьте направить веб-камеру на лицо, когда вы возвращаетесь к работе за компьютером.<br /> <br /> * В случае, если вы хотите досрочно завершить выполнение контрольной - напишите об этом сообщение, используя интерфейс вопросов в тестирующей системе и выполните все действия, которые вы должны выполнить после окончания контрольной. В случае попыток решения задач после этого сообщения вы будете дисквалифицированы.<br /> <br /> <br /> '''После окончания''' контрольной:<br /> <br /> * В течение 30 минут необходимо разместить видео, которое вы записывали в течение контрольной, в открытом доступе и заполнить форму по адресу: [https://docs.google.com/forms/d/1P3MqY8dLZ0P0bvpppUjrrjrIbyIRDWnqXjERDiGGxMc/viewform?edit_requested=true Гугл-форма]<br /> <br /> * В случае слишком медленного интернета и невозможности загрузить видео в течение 30 минут заполните форму дважды: первый раз (в течение 30 мин.) укажите размер видео-файла в байтах. Второй раз укажите ссылку на видео.<br /> <br /> == Правила оценивания ==<br /> Итоговая оценка рассчитывается по формуле:<br /> <br /> '''Итоговая = min(0.3*КР + 0.3*ДЗ + 0.4*Exam + 0.1*B, 10)'''<br /> <br /> <br /> '''ДЗ''' = min(10*НБ/Бmax, 10) НБ-набранные баллы, Бmax-максимальное возможное число баллов. Бmax = количество обязательных задач всех контестов + 10 (ДЗ_1_3) = 138. <br /> <br /> <br /> '''Экзамен''' = 0.2* Экз_контест + 0.8* Экз_устн<br /> <br /> <br /> '''В''' (&lt;=10) - бонусы, получаются за активную работу на семинарах, не более 1 за семинар<br /> <br /> Округляется только итоговая. 0.5 округляется вверх.<br /> <br /> Окончательные оценки за КР и домашние задания ставятся после защит (приглашение студентов на защиты по усмотрению преподавателя).<br /> В случае плагиата одна задача обнуляет всю работу.<br /> <br /> <br /> Необходимое условие получения автомата (решение за преподавателем):<br /> * оценка за КР 8 и выше<br /> * наличие не менее 5 бонусов ('''В''')<br /> * вычисляемая по формуле итоговая оценка 8 и выше<br /> <br /> В таком случае оценка за экзамен ставится по оценке за КР, далее итоговая рассчитывается по формуле.<br /> <br /> Автоматом может быть получена только оценка отлично (8,9,10).<br /> <br /> == Контесты и оценки ==<br /> '''[https://docs.google.com/spreadsheets/d/1xnw4qlp67x5EK-46-NzNbeUuLyz9WHjEz3vZfHbGZA0/edit#gid=60837627 Общая таблица]'''</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_21/22_(%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%98%D0%90%D0%94)&diff=71016 2022-07-30T05:35:16Z

<p>Parestoranam: </p> <hr /> <div>== Преподаватели и учебные ассистенты ==<br /> {| class=&quot;wikitable&quot; style=&quot;text-align:center&quot;<br /> |-<br /> ! Группа !! ИАД-1 !! ИАД-2 !! ИАД-3,ИАД-6 !! ИАД-4 !! ИАД-5 !! ИАД-7 !!ИАД-9, ИАД-11, ИАД-12 !! ИАД-8 !! ИАД-10 !! ИАД-13, ИАД-18 !! ИАД-14, ИАД-15 !! ИАД-16, ИАД-17!!<br /> |-<br /> || '''Лектор'''<br /> | colspan=&quot;12&quot; | [https://www.hse.ru/en/staff/voznesenskaya Вознесенская Т.В.]<br /> [mailto:tvoznesenskaya@hse.ru tvoznesenskaya@hse.ru] , tg: [https://tlgg.ru/tvozn @tvozn]<br /> |- <br /> || '''Семинарист'''<br /> || Василиса Серякова<br /> || Денис Беляков<br /> || Дмитрий Третьяков<br /> || Иоанн Довгополый<br /> || Алексадра Краснокутская<br /> || Юрий Дубнов<br /> || Вознесенская Т.В.<br /> || Илья Косарев<br /> || Буланбаев Артур<br /> || Семенов Дмитрий <br /> || Вадим Альперович<br /> || Кирилл Прокофьев<br /> |-<br /> | rowspan=&quot;4&quot; | '''Ассистенты'''<br /> || Баранова Валерия<br /> tg: [https://t.me/vabaranova @vabaranova]<br /> || Беленко Алёна<br /> tg: [https://t.me/alyonabelenko alyonabelenko]<br /> || Косовская Анна (ИАД-3) tg: [https://t.me/a_dtc @a_dtc]<br /> Пескова Мария (ИАД-6) tg: [https://t.me/mariabaskia @mariabaskia]<br /> || Щетинина Алиса<br /> tg: [https://t.me/alisa_shc @alisa_shc]<br /> || Мусина Алина<br /> tg: [https://t.me/spakt26 @spakt26]<br /> || Кострыкина Екатерина<br /> tg: [https://t.me/ekostrykina @ekostrykina]<br /> || Ахмедова Лаура(ИАД-9) tg: [https://t.me/laurakhmedova @laurakhmedova]<br /> Сухоруков Георгий(ИАД-11) tg: [https://t.me/georgiysukhorukov @georgiysukhorukov]<br /> Червяков Артем(ИАД-12) tg: [https://t.me/arorlov @arorlov]<br /> || Никифоров Михаил <br /> tg: [https://t.me/caesiummm @caesiummm]<br /> || Смоленчук Иван <br /> tg: [https://t.me/ongalek @ongalek]<br /> || Аксенов Никита(ИАД-13) tg: [https://t.me/naketo @naketo ]<br /> Анджушева Манца(ИАД-18) tg: [https://t.me/amantsa @amantsa ]<br /> || Черкашин Павел (ИАД-14) <br /> tg: [https://t.me/vodochnyy @vodochnyy ]<br /> Сулейманов Руслан (ИАД-15) <br /> tg: [https://t.me/rus_slm @rus_slm ]<br /> || Арина Косовская (ИАД-16)<br /> tg: [https://t.me/arinakosovskaia @arinakosovskaia]<br /> Макаров Антон (ИАД-17)<br /> tg: [https://t.me/@grandananas @grandananas]<br /> |-<br /> |}<br /> <br /> == Лекции ==<br /> <br /> === 1 модуль ===<br /> <br /> # Введение. [https://drive.google.com/file/d/1fNNud7Tu0JyYfALP3T9Q2QtPItvIPB9m/view?usp=sharing Слайды.]<br /> # On-line курс: &quot;Основы программирования на Python&quot; (https://www.coursera.org/learn/python-osnovy-programmirovaniya)<br /> <br /> === 2 модуль ===<br /> # Лекция 2. [https://youtu.be/5w2_x6Aa8RE Запись.] Поиск [https://drive.google.com/file/d/1UXfnGH-gk_n-Bsit2xFcMx-lMIDwFMXn/view?usp=sharing Cлайды.] Сортировка [https://drive.google.com/file/d/1ViSKZIv6iL9aIB6_a8U__0iH4ezJiRoI/view?usp=sharing Слайды.]. <br /> # Лекция 3. Работа с библиотеками. Ошибки и исключения [https://drive.google.com/file/d/1n7leU4A0w1wa35hzW99RtjTu3F3kcuV-/view?usp=sharing Слайды]<br /> # Лекция 4. Элементы функционального программирования. [https://drive.google.com/file/d/1fZk_Ir9vFasjstAUzxSyg34EVUyboXqu/view?usp=sharing Слайды.]<br /> # Лекция 5. ООП. [https://drive.google.com/file/d/1vQj-b4v5fcauxMUDkPnF3iC05rRUnNIu/view?usp=sharing Слайды.]<br /> # Лекция 6. NumPy. [https://drive.google.com/file/d/1hVeULdCQ8roHnnIvgVoa1zj-vGf59rOB/view?usp=sharing Слайды.]<br /> <br /> == Семинары и домашние задания==<br /> <br /> {| class=&quot;wikitable&quot; style=&quot;text-align:left&quot;<br /> |-<br /> ! Тема !! Конспект !! Контест !! Дедлайн !! Необязательные задачи !!<br /> |-<br /> || Hello World!<br /> || [https://drive.google.com/file/d/1c6dsmpz9mK2HhjvDTnwl3nKZjFmeGahB/view?usp=sharing .ipynb]<br /> || ДЗ1_1-https://official.contest.yandex.ru/contest/29239/enter/<br /> ||<br /> ||<br /> |-<br /> || Работа с числами. Работа со строками.<br /> Условный оператор. Циклы.<br /> || [https://drive.google.com/file/d/1cKZRFyNZ6sX4lphlIrUStsZB5Wfc2MI-/view?usp=sharing .pynb]<br /> || ДЗ1_2-https://official.contest.yandex.ru/contest/29262/enter/<br /> ДЗ1_3-https://official.contest.yandex.ru/contest/29276/enter/<br /> ||<br /> ||<br /> |-<br /> || Строки<br /> || [https://drive.google.com/file/d/1ruc-m_1eTkOoIOJHQhliHPoB7NtfJtNq/view?usp=sharing .ipynb]<br /> || ДЗ4- https://official.contest.yandex.ru/contest/29333/enter/<br /> || 26.09.2021 23:59<br /> ||-<br /> |-<br /> || Функции и рекурсия<br /> || [https://drive.google.com/file/d/1zmIDL7X3_LuVXkuSK5cpW069eE3oEeat/view?usp=sharing .ipynb]<br /> || ДЗ5-https://official.contest.yandex.ru/contest/29566/enter/<br /> || 02.10.2021 23:59<br /> || U, W, V<br /> |-<br /> || Цикл for<br /> ||<br /> || ДЗ6-https://official.contest.yandex.ru/contest/29769/enter/<br /> || 08.10.2021 23:59<br /> || K<br /> |-<br /> || Списки<br /> || [https://drive.google.com/file/d/1gaL_GgwvFN6cKe2gIOFuMSuu8PukWkGT/view?usp=sharing .ipynb]<br /> || ДЗ7-https://official.contest.yandex.ru/contest/29770/enter/<br /> || 17.10.2021 23:59<br /> || U, W, V, X<br /> |-<br /> || Поиск и сортировка<br /> || [https://drive.google.com/file/d/1fYaA21vF5YZWflFcq7fD_W4eAATffDMx/view?usp=sharing .ipynb]<br /> || ДЗ8-https://official.contest.yandex.ru/contest/29981/enter/<br /> || 25.10.2021 23:59<br /> || U, V, W, X<br /> |-<br /> || Работа с файлами<br /> || [https://drive.google.com/file/d/1_Y4fftu2NCEBcdeEtjJ7hF8dxjFZ7Xq8/view?usp=sharing .ipynb]<br /> || <br /> || <br /> || <br /> |-<br /> || Множества. Словари<br /> || [https://drive.google.com/file/d/1mPeVbFxSGfVcs_kzxnVlqXFsih4muD9S/view?usp=sharing .ipynb]<br /> || ДЗ9-https://official.contest.yandex.ru/contest/30151/enter/<br /> ДЗ10-https://official.contest.yandex.ru/contest/30152/enter/<br /> || 8.11.2021 23:59<br /> 8.11.2021 23:59<br /> || H, K<br /> K,L<br /> |-<br /> || Функциональное программирование<br /> || [https://drive.google.com/file/d/1C3P4WqHkUX4MRA-hmweCGKEU55CWciBM/view?usp=sharing .ipynb]<br /> || ДЗ11-https://official.contest.yandex.ru/contest/31347/enter<br /> || 28.11.2021 23:59<br /> || J, K, L<br /> |-<br /> || ООП<br /> || [https://drive.google.com/file/d/1QQ4r9l6AXGgScnI-SAFm9ub2BNzA5qW_/view?usp=sharing .ipynb]<br /> [https://drive.google.com/file/d/1rt_BS9grCq9puTw3GSkZjAJxWy9Fstik/view?usp=sharing .ipynb]<br /> [https://drive.google.com/file/d/1nuRNiFy5CEqHpWCKND933tQ7hOgUYJHY/view?usp=sharing .ipynb]<br /> || ДЗ12-https://official.contest.yandex.ru/contest/31842/enter<br /> || 09.12.2021 23:59<br /> || D, E, F<br /> |}<br /> <br /> Записи некоторых семинаров можно найти в плейлисте [https://youtube.com/playlist?list=PLEwK9wdS5g0reLcx0ZARFoVBLB549Xvpb Записи.]<br /> == Экзамен ==<br /> Письменный экзамен состоится '''15 декабря в 09:50'''. Он пройдет с использованием асинхронного прокторинга ТОЧНО по таким же правилам, как проходила контрольная (см. ниже).<br /> <br /> В '''09.50''' всем нужно зайти в лекционный zoom для финального инструктажа, далее этот zoom будет использоваться как чат для общения с преподавателями во время экзамена в случае необходимости.<br /> <br /> Студенты, у которых возникли технические проблемы c OBS Studio, пишут экзамен под наблюдением в другом zoom по ссылке https://zoom.us/j/91812870247 и автоматически попадают на устную часть 22 декабря.<br /> <br /> '''Контест стартует в 10.00, завершается в 12.00.''' Ссылка на контест будет выслана в чате zoom.<br /> <br /> Контест содержит 6 задач: первые две по 1 баллу, остальные 4 по 2 балла.<br /> <br /> Форма [https://forms.gle/m5ntdoWAhku9Bact9] для загрузки ссылок на видео<br /> <br /> <br /> Устный экзамен (защита письменной работы) состоится '''22 декабря в 10:00''' по ссылке https://zoom.us/j/97539303540.<br /> <br /> На защиту приглашаются следующие студенты:<br /> <br /> '''в 10.00''':<br /> <br /> Тухлин Никита Владимирович 2<br /> <br /> Добролюбова Алиса Леонидовна 6<br /> <br /> Сидельников Платон Павлович 10 <br /> <br /> Поликанов Вадим Михайлович 12<br /> <br /> '''в 11.00'''<br /> <br /> Корсиков Евгений Алексеевич 12<br /> <br /> Берсанова Лиана Исламовна 14<br /> <br /> Шатилова Елизавета Сергеевна 14<br /> <br /> Молоканова Ксения Алексеевна 15<br /> <br /> Остальные студенты, писавшие письменный экзамен, от защиты освобождены.<br /> <br /> Защита будет проходить в форме опроса по задачам письменной части. Возможны вопросы на смежные темы. Преподаватель может попросить решить похожую задачу и/или внести какие-либо изменения в решение.<br /> <br /> == Контрольная работа ==<br /> Контрольная пройдет с использованием асинхронного прокторинга '''10 ноября в 10:40''' <br /> <br /> В 10.40 всем нужно зайти в лекционный zoom для финального инструктажа, далее этот zoom будет использоваться как чат для общения с преподавателями во время контрольной в случае необходимости.<br /> <br /> Каждому студенту необходимо записать процесс выполнения заданий контрольной с использованием OBS Studio, выложить результат в облачное хранилище сразу после контрольной и предоставить ссылку на запись. Ваши видео будут просмотрены только преподавателями и ассистентами, после выставления оценок видео можно будет удалить (об этом будет сообщено дополнительно).<br /> <br /> '''Контест стартует в 11.00, завершается в 13.00.''' Ссылка на контест (будет продублирована в чате zoom): https://official.contest.yandex.ru/contest/31282/enter/<br /> <br /> Контест содержит 6 задач: первые две по 1 баллу, остальные 4 по 2 балла.<br /> <br /> В '''10:55''', за 5 минут до начала контрольной начните запись.<br /> <br /> Опоздавшие студенты (начавшие запись не до начала контрольной) будут дисквалифицированы. <br /> <br /> '''Студенты, предупредившие своего УА о технических проблемах''', пишут контрольную под наблюдением в другом zoom (будьте готовы к дальнейшей защите своих решений) по ссылке: https://zoom.us/j/95953095176.<br /> <br /> ''' Запись '''<br /> <br /> * Потребуется компьютер с веб-камерой и микрофоном (в частности, все современные ноутбуки оборудованы ими) и выходом в интернет<br /> <br /> * Необходимо установить OBS Studio по ссылке https://obsproject.com/ru<br /> <br /> * Необходимо настроить три источника входных потоков: микрофон, веб-камера и захват экрана. Подробнее о настройке в видео: https://www.youtube.com/watch?v=KVKrvPvPLYg<br /> <br /> Пожалуйста, заранее проверьте, что вы научились записывать видео в требуемом формате - этот процесс иногда может вызывать проблемы. Все решения проблем, связанных с записью в OBS Studio описаны в интернете.<br /> <br /> Во время контрольной '''разрешается''' пользоваться :<br /> * Сайтом тестирующей системы (в том числе своими решениями прошлых контестов курса (в самой системе)) <br /> * Средами разработки (не онлайн, а установленными на компьютере)<br /> * Конспектом онлайн курса [https://drive.google.com/file/d/1EW5q4LFGkY6BXp9TSWDTKoYXiXWdgNFc/view?usp=sharing] <br /> * Материалами, выложенными на данной странице<br /> * Документацией на https://docs.python.org/<br /> <br /> Во время контрольной '''не разрешается''':<br /> * Общение с другими людьми, заранее предупредите об этом тех людей, которые находятся с вами в месте написания контрольной<br /> * использование любых средств коллективной работы (Collab тоже запрещен) и онлайн ресурсов (кроме разрешенных выше)<br /> <br /> Действия, которые вы должны совершить '''до''' контрольной:<br /> <br /> * Заранее отключить все мессенджеры и закрыть лишние вкладки<br /> <br /> * Физически отключить и удалить любые электронные устройства и дополнительные мониторы с рабочего места<br /> <br /> * Подготовиться к тому, что вы не сможете покидать рабочее место в течение 2 часов <br /> <br /> * Включить запись из трех источников: экран, веб-камера и микрофон в OBS Studio<br /> <br /> * Показать свой паспорт, открытый на странице с фотографией и ФИО. Номер можете закрыть. Важно, чтобы было хорошо видно фото и ФИО. <br /> <br /> * Снять свое рабочее место со всех сторон и его окружение<br /> <br /> * Показать чистые листы, которые вы планируете использовать в качестве черновиков <br /> <br /> <br /> Порядок действий '''во время''' контрольной:<br /> <br /> * Любые вопросы вы должны задавать через чат в zoom. <br /> <br /> * В случае, если вы работаете с черновиком, направьте веб-камеру так, чтобы были видны ваши руки. Не забудьте направить веб-камеру на лицо, когда вы возвращаетесь к работе за компьютером.<br /> <br /> * В случае, если вы хотите досрочно завершить выполнение контрольной - напишите об этом сообщение, используя интерфейс вопросов в тестирующей системе и выполните все действия, которые вы должны выполнить после окончания контрольной. В случае попыток решения задач после этого сообщения вы будете дисквалифицированы.<br /> <br /> <br /> '''После окончания''' контрольной:<br /> <br /> * В течение 30 минут необходимо разместить видео, которое вы записывали в течение контрольной, в открытом доступе и заполнить форму по адресу: [https://docs.google.com/forms/d/1P3MqY8dLZ0P0bvpppUjrrjrIbyIRDWnqXjERDiGGxMc/viewform?edit_requested=true Гугл-форма]<br /> <br /> * В случае слишком медленного интернета и невозможности загрузить видео в течение 30 минут заполните форму дважды: первый раз (в течение 30 мин.) укажите размер видео-файла в байтах. Второй раз укажите ссылку на видео.<br /> <br /> == Правила оценивания ==<br /> Итоговая оценка рассчитывается по формуле:<br /> <br /> '''Итоговая = min(0.3*КР + 0.3*ДЗ + 0.4*Exam + 0.1*B, 10)'''<br /> <br /> <br /> '''ДЗ''' = min(10*НБ/Бmax, 10) НБ-набранные баллы, Бmax-максимальное возможное число баллов. Бmax = количество обязательных задач всех контестов + 10 (ДЗ_1_3) = 138. <br /> <br /> <br /> '''Экзамен''' = 0.2* Экз_контест + 0.8* Экз_устн<br /> <br /> <br /> '''В''' (&lt;=10) - бонусы, получаются за активную работу на семинарах, не более 1 за семинар<br /> <br /> Округляется только итоговая. 0.5 округляется вверх.<br /> <br /> Окончательные оценки за КР и домашние задания ставятся после защит (приглашение студентов на защиты по усмотрению преподавателя).<br /> В случае плагиата одна задача обнуляет всю работу.<br /> <br /> <br /> Необходимое условие получения автомата (решение за преподавателем):<br /> * оценка за КР 8 и выше<br /> * наличие не менее 5 бонусов ('''В''')<br /> * вычисляемая по формуле итоговая оценка 8 и выше<br /> <br /> В таком случае оценка за экзамен ставится по оценке за КР, далее итоговая рассчитывается по формуле.<br /> <br /> Автоматом может быть получена только оценка отлично (8,9,10).<br /> <br /> == Контесты и оценки ==<br /> '''[https://docs.google.com/spreadsheets/d/1xnw4qlp67x5EK-46-NzNbeUuLyz9WHjEz3vZfHbGZA0/edit#gid=60837627 Общая таблица]'''</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%B8_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_%D0%BF%D0%B8%D0%BA%D0%B0%D0%BF%D0%B0_%D0%BD%D0%B0_%D0%9F%D0%9C%D0%98_2021/2022&diff=69640 2022-05-16T19:39:44Z

<p>Parestoranam: </p> <hr /> <div>Telegram-канал курса: [https://t.me/hse_ami_pickup_2020 t.me/hse_ami_pickup_2020]<br /> <br /> = Преподаватели и учебные ассистенты =<br /> '''Лектор:''' Рэк Истли<br /> <br /> '''Семинарист:''' Алишер Тагирович Моргенштерн<br /> <br /> '''Учебный ассистент:''' Антон Макаров<br /> <br /> = Формы контроля знаний студентов =<br /> <br /> *Практический зачёт<br /> *Контрольная работа<br /> *Еженедельное домашнее задание<br /> *Активность и работа на семинарах<br /> *Экзамен<br /> <br /> = Порядок выставления итоговой оценки =<br /> Итоговая оценка вычисляется по формуле<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = min(10; 0,4*O&lt;sub&gt;экз&lt;/sub&gt; + 0,3*O&lt;sub&gt;пз&lt;/sub&gt; + 0,15*O&lt;sub&gt;к/р&lt;/sub&gt; + 0,15*O&lt;sub&gt;д/з&lt;/sub&gt; + 0,1*O&lt;sub&gt;сем&lt;/sub&gt;),<br /> <br /> где O&lt;sub&gt;экз&lt;/sub&gt;&amp;nbsp;&amp;mdash; оценка за экзамен, O&lt;sub&gt;пз&lt;/sub&gt;&amp;nbsp;&amp;mdash; оценка за практический зачёт, O&lt;sub&gt;к/р&lt;/sub&gt;&amp;nbsp;&amp;mdash; оценка за контрольную работу, O&lt;sub&gt;д/з&lt;/sub&gt;&amp;nbsp;&amp;mdash; оценка за домашние задания и O&lt;sub&gt;сем&lt;/sub&gt;&amp;nbsp;&amp;mdash; оценка за работу на семинарах.<br /> <br /> Все вычисления по указанной формуле используют неокруглённые значения промежуточных оценок. Оценка округляется вверх.<br /> <br /> = Консультации =<br /> Консультации будут проходить с 12:30 до 13:00 в библиотеке на Покровском Бульваре, а также с 14:20 до 14:40 в столовке с экономистками.<br /> <br /> = Домашние задания =<br /> За курс будет 4 больших домашних работы. <br /> <br /> В 3 из 4 домашек вам придётся отработать пройденные методы пикапов, оценка выставляется по следующему принципу &amp;mdash; вы подходите к человеку, подкатываете и просите номер телефона, после чего вы должны написать человеку в социальных сетях, и приложить скрин, что человек вас не заигнорил, скрин лички прикладывается в архив и присылается в classroom вместе с номером телефона, оценка за такую домашку вычисляется как <br /> <br /> О&lt;sub&gt;дз&lt;sub&gt;i&lt;/sub&gt;&lt;/sub&gt; = min(given/all * 10, all, 10), <br /> <br /> где i &amp;mdash; номер домашки, given &amp;mdash; количество человек, которые дали телефон, к общему количеству подкатов all. <br /> <br /> Таким образом, чтобы получить максимальную оценку, нужно подкатить не менее, чем к 10 людям. <br /> <br /> Перед экзаменом будет большое ревью, где все номера телефонов и аккаунты будет проверяться на корректность. Последняя домашняя работа будет подводкой к экзамену, когда вам нужно будет завести отношения с помощью всех методов, которые мы пройдём на лекции.<br /> <br /> Итоговая оценка за ДЗ выставляется как среднее арифметическое от всех ДЗ.<br /> <br /> = Контрольные работы =<br /> Контрольная работа будет проходить на лекции и будет состоять из 10 больших задач (4 базовых задачи, 4 сложных задачи и 2 бонусных), рассчитанных на 60 минут, и одного теста, рассчитанного на 20 минут. <br /> <br /> Условие задачи будет описывать ситуацию, в которой вы подкатываете к человеку, ваша задача подробно &amp;mdash; описать все методы подкатов, которые могут хорошо подойти в данной ситуации. <br /> <br /> Тест будет состоять из 20 вопросов, где нужно выбрать один из четырёх вариантов ответа. <br /> <br /> Каждая большая задача весит по 1 баллу, а полностью правильный тест оценивается в 2 балла, таким образом на полный балл достаточно будет решить 8 больших задач и правильно ответить на все вопросы теста.<br /> <br /> = Практический зачёт =<br /> Практический зачёт будет проходить в формате коллоквиума. <br /> <br /> К вам подойдёт проверяющий противоположного пола (по вашему запросу того же пола), после чего ваша задача подкатить к проверяющему, а проверяющий будет различными способами пытаться увильнуть<br /> <br /> Здесь ваша задача использовать как можно больше приёмов пикапа, чтобы вы получили номер телефона проверяющего. <br /> <br /> Оценка выставляется субъективно по шкале, которую мы обсудим и пришлём с коллегами позже. <br /> <br /> Примерная шкала такая: 10, если вы смогли получить телефон; 8, если получилось использовать не менее 5 приёмов подкатов; 5, если студент вспомнил только несколько приёмов подкатов.<br /> <br /> = Экзамен =<br /> <br /> Формат проведения: поиск партнёра в течение всего курса. <br /> <br /> Правила выставления оценки за экзамен: 10, если у человека по окончанию курса есть партнер; 5, если по окончанию курса у человека нет партнёра; 0, если по окончанию курса человек потерял партнёра.<br /> <br /> = Ведомости текущего контроля =<br /> <br /> = Записи лекций =<br /> <br /> '''Семинар 0.''' [https://clck.ru/XdZDP Введение в основы пикапа]<br /> <br /> '''Лекция 0.''' [https://clck.ru/9TFat Вводная лекция]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%9C%D0%9E_%D0%91%D0%98_21/22&diff=68459 2022-04-13T18:54:43Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 3-го курса БИ ВШЭ в 3-4 модулях.<br /> <br /> <br /> === Полезные ссылки ===<br /> <br /> [https://openedu.ru/course/hse/INTRML/ Лекции]<br /> <br /> [https://github.com/Vasyka/intro-ml-bi Репозиторий с материалами на GitHub]<br /> <br /> [https://youtube.com/playlist?list=PLEwK9wdS5g0p_gUx_BYxQ_Zylv9HS7dTN Записи занятий]<br /> <br /> Канал в telegram для объявлений: https://t.me/+iKh7I_gxtpQ2MjIy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/904<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/1-dJlsfokGwFb5Y2fqqezvAsfVAvXZ8KC1x3_ldhuZo4/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask <br /> |-<br /> | БИ-1901 || Пащенко Анатолий || [https://t.me/yaderevenskiy Альмухаметов Денис] || [Zoom] || [https://t.me/+C-8e62d4KoczOTU6 Чат] || ZjY10iP<br /> |-<br /> | БИ-1902 || Ульянкин Филипп || [https://t.me/parestoranam Макаров Антон] || [Zoom] || - || iLJFl6r<br /> |-<br /> | БИ-1903 || Ульянкин Филипп || [https://t.me/parestoranam Макаров Антон] || [Zoom] || - || EbSjHMX<br /> |-<br /> | БИ-1904 || Воронкова Анастасия || [https://t.me/nf_gulomkodirov Гуломкодиров Нуруллохон] || [Zoom] || - || 6qmyv4m<br /> |-<br /> | БИ-1905 ||Теванян Элен || [https://t.me/vladislavv17 Владислав Воробьев] || [Zoom] || - || cG63XY9<br /> |-<br /> | БИ-1906 ||Теванян Элен || [https://t.me/vladislavv17 Владислав Воробьев] || [Zoom] || - || xomgYBq<br /> |-<br /> | БИ-1907 || Нарцев Андрей || [https://t.me/Savely_Prokhorov Прохоров Савелий] || [Zoom] || - || cGSQoy4<br /> |-<br /> | БИ-1908 || Нарцев Андрей || [https://t.me/Savely_Prokhorov Прохоров Савелий] || [Zoom] || - || zByA8VF<br /> |-<br /> | БИ-1909 || Пащенко Анатолий || [https://t.me/onehspal Лапшина Ксения] || [Zoom] || [https://t.me/+Bj7wl9L4aSw4NWJi Чат]|| s8bFFNd<br /> |-<br /> | БИ-1910 || Воронкова Анастасия || [https://t.me/nf_gulomkodirov Гуломкодиров Нуруллохон] || [Zoom] || -|| MTu6dpy<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.3 * МИД + 0.3 * Э)<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> МИД — оценка за midterm<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' pandas и numpy. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week01 Ссылка на материалы]] <br /> <br /> '''Семинар 2''' Sklearn и KNN. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week02 Ссылка на материалы]] <br /> <br /> '''Семинар 3''' Линейная регрессия. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week03 Ссылка на материалы]] <br /> <br /> '''Семинар 4''' Градиентный спуск. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week04 Ссылка на материалы]] <br /> <br /> '''Семинар 5''' Линейная классификация. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week05 Ссылка на материалы]]<br /> <br /> '''Семинар 6''' Логистическая регрессия и SVM. Обработка текстовых данных. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week06 Ссылка на материалы]] <br /> <br /> '''Семинар 7''' Деревья [[https://github.com/Vasyka/intro-ml-bi/tree/main/week07 Ссылка на материалы]]<br /> <br /> == Практические задания ==<br /> <br /> <br /> '''Практическое задание 1 - numpy, pandas и matplotlib''' Дедлайн - 14.03.2022 [[https://github.com/Vasyka/intro-ml-bi/tree/main/hw/hw1 Задание]]<br /> <br /> '''Практическое задание 2 - KNN и Линейная регрессия''' Дедлайн - 16.04.2022. [[https://github.com/Vasyka/intro-ml-bi/tree/main/hw2 Задание]]<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%9C%D0%9E_%D0%91%D0%98_21/22&diff=68458 2022-04-13T18:42:37Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 3-го курса БИ ВШЭ в 3-4 модулях.<br /> <br /> <br /> === Полезные ссылки ===<br /> <br /> [https://openedu.ru/course/hse/INTRML/ Лекции]<br /> <br /> [https://github.com/Vasyka/intro-ml-bi Репозиторий с материалами на GitHub]<br /> <br /> [https://youtube.com/playlist?list=PLEwK9wdS5g0p_gUx_BYxQ_Zylv9HS7dTN Записи занятий]<br /> <br /> Канал в telegram для объявлений: https://t.me/+iKh7I_gxtpQ2MjIy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/904<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/1-dJlsfokGwFb5Y2fqqezvAsfVAvXZ8KC1x3_ldhuZo4/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask <br /> |-<br /> | БИ-1901 || Пащенко Анатолий || [https://t.me/yaderevenskiy Альмухаметов Денис] || [Zoom] || [https://t.me/+C-8e62d4KoczOTU6 Чат] || ZjY10iP<br /> |-<br /> | БИ-1902 || Ульянкин Филипп || [https://t.me/parestoranam Макаров Антон] || [Zoom] || - || iLJFl6r<br /> |-<br /> | БИ-1903 || Ульянкин Филипп || [https://t.me/parestoranam Макаров Антон] || [Zoom] || - || EbSjHMX<br /> |-<br /> | БИ-1904 || Воронкова Анастасия || [https://t.me/nf_gulomkodirov Гуломкодиров Нуруллохон] || [https://zoom.us/j/96439594259?pwd=S3RnMlVjaDAvVFdHTnQ5eFhrK3VwUT09 Zoom] || - || 6qmyv4m<br /> |-<br /> | БИ-1905 ||Теванян Элен || [https://t.me/vladislavv17 Владислав Воробьев] || [Zoom] || - || cG63XY9<br /> |-<br /> | БИ-1906 ||Теванян Элен || [https://t.me/vladislavv17 Владислав Воробьев] || [Zoom] || - || xomgYBq<br /> |-<br /> | БИ-1907 || Нарцев Андрей || [https://t.me/Savely_Prokhorov Прохоров Савелий] || [Zoom] || - || cGSQoy4<br /> |-<br /> | БИ-1908 || Нарцев Андрей || [https://t.me/Savely_Prokhorov Прохоров Савелий] || [Zoom] || - || zByA8VF<br /> |-<br /> | БИ-1909 || Пащенко Анатолий || [https://t.me/onehspal Лапшина Ксения] || [Zoom] || [https://t.me/+Bj7wl9L4aSw4NWJi Чат]|| s8bFFNd<br /> |-<br /> | БИ-1910 || Воронкова Анастасия || [https://t.me/nf_gulomkodirov Гуломкодиров Нуруллохон] || [https://zoom.us/j/92221667757?pwd=OUdkSXRKaUFTZEFrT0FJV2VvZFFLQT09 Zoom] || -|| MTu6dpy<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.3 * МИД + 0.3 * Э)<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> МИД — оценка за midterm<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' pandas и numpy. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week01 Ссылка на материалы]] <br /> <br /> '''Семинар 2''' Sklearn и KNN. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week02 Ссылка на материалы]] <br /> <br /> '''Семинар 3''' Линейная регрессия. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week03 Ссылка на материалы]] <br /> <br /> '''Семинар 4''' Градиентный спуск. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week04 Ссылка на материалы]] <br /> <br /> '''Семинар 5''' Линейная классификация. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week05 Ссылка на материалы]]<br /> <br /> '''Семинар 6''' Логистическая регрессия и SVM. Обработка текстовых данных. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week06 Ссылка на материалы]] <br /> <br /> '''Семинар 7''' Деревья [[https://github.com/Vasyka/intro-ml-bi/tree/main/week07 Ссылка на материалы]]<br /> <br /> == Практические задания ==<br /> <br /> <br /> '''Практическое задание 1 - numpy, pandas и matplotlib''' Дедлайн - 14.03.2022 [[https://github.com/Vasyka/intro-ml-bi/tree/main/hw/hw1 Задание]]<br /> <br /> '''Практическое задание 2 - KNN и Линейная регрессия''' Дедлайн - 16.04.2022. [[https://github.com/Vasyka/intro-ml-bi/tree/main/hw2 Задание]]<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%9C%D0%9E_%D0%91%D0%98_21/22&diff=68457 2022-04-13T18:41:04Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 3-го курса БИ ВШЭ в 3-4 модулях.<br /> <br /> <br /> === Полезные ссылки ===<br /> <br /> [https://openedu.ru/course/hse/INTRML/ Лекции]<br /> <br /> [https://github.com/Vasyka/intro-ml-bi Репозиторий с материалами на GitHub]<br /> <br /> [https://youtube.com/playlist?list=PLEwK9wdS5g0p_gUx_BYxQ_Zylv9HS7dTN Записи занятий]<br /> <br /> Канал в telegram для объявлений: https://t.me/+iKh7I_gxtpQ2MjIy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/904<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/1-dJlsfokGwFb5Y2fqqezvAsfVAvXZ8KC1x3_ldhuZo4/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask <br /> |-<br /> | БИ-1901 || Пащенко Анатолий || [https://t.me/yaderevenskiy Альмухаметов Денис] || [Zoom] || [https://t.me/+C-8e62d4KoczOTU6 Чат] || ZjY10iP<br /> |-<br /> | БИ-1902 || Ульянкин Филипп || [https://t.me/parestoranam Макаров Антон] || [Zoom] || - || iLJFl6r<br /> |-<br /> | БИ-1903 || Ульянкин Филипп || [https://t.me/parestoranam Макаров Антон] || [Zoom] || - || EbSjHMX<br /> |-<br /> | БИ-1904 || Воронкова Анастасия || [https://t.me/nf_gulomkodirov Гуломкодиров Нуруллохон] || [https://zoom.us/j/96439594259?pwd=S3RnMlVjaDAvVFdHTnQ5eFhrK3VwUT09 Zoom] || - || 6qmyv4m<br /> |-<br /> | БИ-1905 ||Теванян Элен || [https://t.me/vladislavv17 Владислав Воробьев] || [Zoom] || - || cG63XY9<br /> |-<br /> | БИ-1906 ||Теванян Элен || [https://t.me/vladislavv17 Владислав Воробьев] || [Zoom] || - || xomgYBq<br /> |-<br /> | БИ-1907 || Нарцев Андрей || [https://t.me/Savely_Prokhorov Прохоров Савелий] || [Zoom] || - || cGSQoy4<br /> |-<br /> | БИ-1908 || Нарцев Андрей || [https://t.me/Savely_Prokhorov Прохоров Савелий] || [Zoom] || - || zByA8VF<br /> |-<br /> | БИ-1909 || Пащенко Анатолий || [https://t.me/onehspal Лапшина Ксения] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+Bj7wl9L4aSw4NWJi Чат]|| s8bFFNd<br /> |-<br /> | БИ-1910 || Воронкова Анастасия || [https://t.me/nf_gulomkodirov Гуломкодиров Нуруллохон] || [https://zoom.us/j/92221667757?pwd=OUdkSXRKaUFTZEFrT0FJV2VvZFFLQT09 Zoom] || -|| MTu6dpy<br /> |}<br /> <br /> <br /> === Правила выставления оценок ===<br /> <br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.3 * МИД + 0.3 * Э)<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> МИД — оценка за midterm<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' pandas и numpy. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week01 Ссылка на материалы]] <br /> <br /> '''Семинар 2''' Sklearn и KNN. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week02 Ссылка на материалы]] <br /> <br /> '''Семинар 3''' Линейная регрессия. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week03 Ссылка на материалы]] <br /> <br /> '''Семинар 4''' Градиентный спуск. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week04 Ссылка на материалы]] <br /> <br /> '''Семинар 5''' Линейная классификация. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week05 Ссылка на материалы]]<br /> <br /> '''Семинар 6''' Логистическая регрессия и SVM. Обработка текстовых данных. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week06 Ссылка на материалы]] <br /> <br /> '''Семинар 7''' Деревья [[https://github.com/Vasyka/intro-ml-bi/tree/main/week07 Ссылка на материалы]]<br /> <br /> == Практические задания ==<br /> <br /> <br /> '''Практическое задание 1 - numpy, pandas и matplotlib''' Дедлайн - 14.03.2022 [[https://github.com/Vasyka/intro-ml-bi/tree/main/hw/hw1 Задание]]<br /> <br /> '''Практическое задание 2 - KNN и Линейная регрессия''' Дедлайн - 16.04.2022. [[https://github.com/Vasyka/intro-ml-bi/tree/main/hw2 Задание]]<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D0%9C%D0%9E_%D0%91%D0%98_21/22&diff=68456 2022-04-13T18:40:20Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 3-го курса БИ ВШЭ в 3-4 модулях.<br /> <br /> <br /> === Полезные ссылки ===<br /> <br /> [https://openedu.ru/course/hse/INTRML/ Лекции]<br /> <br /> [https://github.com/Vasyka/intro-ml-bi Репозиторий с материалами на GitHub]<br /> <br /> [https://youtube.com/playlist?list=PLEwK9wdS5g0p_gUx_BYxQ_Zylv9HS7dTN Записи занятий]<br /> <br /> Канал в telegram для объявлений: https://t.me/+iKh7I_gxtpQ2MjIy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/904<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/1-dJlsfokGwFb5Y2fqqezvAsfVAvXZ8KC1x3_ldhuZo4/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Инвайт в anytask <br /> |-<br /> | БИ-1901 || Пащенко Анатолий || [https://t.me/yaderevenskiy Альмухаметов Денис] || [Zoom] || [https://t.me/+C-8e62d4KoczOTU6 Чат] || ZjY10iP<br /> |-<br /> | БИ-1902 || Ульянкин Филипп || [https://t.me/parestoranam Макаров Антон] || [Zoom] || - || iLJFl6r<br /> |-<br /> | БИ-1903 || Ульянкин Филипп || [https://t.me/parestoranam Макаров Антон] || [Zoom] || - || EbSjHMX<br /> |-<br /> | БИ-1904 || Воронкова Анастасия || [https://t.me/nf_gulomkodirov Гуломкодиров Нуруллохон] || [https://zoom.us/j/96439594259?pwd=S3RnMlVjaDAvVFdHTnQ5eFhrK3VwUT09 Zoom] || - || 6qmyv4m<br /> |-<br /> | БИ-1905 ||Теванян Элен || [https://t.me/vladislavv17 Владислав Воробьев] || [Zoom] || - || cG63XY9<br /> |-<br /> | БИ-1906 ||Теванян Элен || [https://t.me/vladislavv17 Владислав Воробьев] || [Zoom] || - || xomgYBq<br /> |-<br /> | БИ-1907 || Нарцев Андрей || [https://t.me/Savely_Prokhorov Прохоров Савелий] || [Zoom] || - || cGSQoy4<br /> |-<br /> | БИ-1908 || Нарцев Андрей || [https://t.me/Savely_Prokhorov Прохоров Савелий] || [Zoom] || - || zByA8VF<br /> |-<br /> | БИ-1909 || Пащенко Анатолий || [https://t.me/onehspal Лапшина Ксения] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+Bj7wl9L4aSw4NWJi Чат]|| s8bFFNd<br /> |-<br /> | БИ-1910 || Воронкова Анастасия || [https://t.me/nf_gulomkodirov Гуломкодиров Нуруллохон] || [https://zoom.us/j/92221667757?pwd=OUdkSXRKaUFTZEFrT0FJV2VvZFFLQT09 Zoom] || -|| MTu6dpy<br /> |}<br /> <br /> <br /> === Правила выставления оценок ===<br /> <br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.3 * МИД + 0.3 * Э)<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> МИД — оценка за midterm<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' pandas и numpy. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week01 Ссылка на материалы]] <br /> <br /> '''Семинар 2''' Sklearn и KNN. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week02 Ссылка на материалы]] <br /> <br /> '''Семинар 3''' Линейная регрессия. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week03 Ссылка на материалы]] <br /> <br /> '''Семинар 4''' Градиентный спуск. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week04 Ссылка на материалы]] <br /> <br /> '''Семинар 5''' Линейная классификация. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week05 Ссылка на материалы]]<br /> <br /> '''Семинар 6''' Логистическая регрессия и SVM. Обработка текстовых данных. [[https://github.com/Vasyka/intro-ml-bi/tree/main/week06 Ссылка на материалы]] <br /> <br /> '''Семинар 7''' Деревья [[https://github.com/Vasyka/intro-ml-bi/tree/main/week07 Ссылка на материалы]]<br /> <br /> == Практические задания ==<br /> <br /> <br /> '''Практическое задание 1 - numpy, pandas и matplotlib''' Дедлайн - 14.03.2022 [[https://github.com/Vasyka/intro-ml-bi/tree/main/hw/hw1 Задание]]<br /> <br /> '''Практическое задание 2 - KNN и Линейная регрессия''' 16.04.2022. [[https://github.com/Vasyka/intro-ml-bi/tree/main/hw2 Задание]]<br /> <br /> <br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=67913 2022-04-04T10:16:14Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10 в [https://zoom.us/j/93166833697?pwd=UkZybHlNNlBWOWZ2eWovcWtNK3Nrdz09 zoom].<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/masstermax Гудзикевич Максим], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Васильев Роман || [https://t.me/nikola_dobr Добротворский Николай] || [Zoom coming soon] || [https://t.me/+remAgPd2T6cxYTJi Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/95746475791?pwd=TTlGaHlEV2ZwV3UyMWxFVmw2SnFBdz09 Zoom] || [https://t.me/+YQOnIRBobV05YjBi Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> <br /> У групп БИ-1 и БИ-2 (не майнор) оценка за курс также проставляется в третьем модуле:<br /> <br /> О&lt;sub&gt;итоговая за третий модуль&lt;/sub&gt; = Округление(0.8 * ДЗ + 0.2 * ПР)<br /> <br /> Обратите внимание, что работы из третьего модуля также влияют на оценку в четвертом<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (19.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> '''Лекция 2''' (26.01.2022). Виды задач и виды признаков. Метод k ближайших соседей для классификации. Вычисление расстояний для числовых данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture02-knn.pdf Слайды]] [[https://youtu.be/ZKJPmzsMLzY Запись лекции]]<br /> <br /> '''Лекция 3''' (02.02.2022). Измерение ошибки в задачах классификации. Обобщающая способность. Проверка обобщающей способности: отложенная выборка и кросс-валидация. Метод k ближайших соседей с весами. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture03-knn.pdf Слайды]] [[https://youtu.be/UZB2t43B1dI Запись лекции]]<br /> <br /> '''Лекция 4''' (09.02.2022). Модель линейной регрессии. Подготовка данных для линейной регрессии. MSE для линейной регрессии в матричной форме. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture04-linregr.pdf Слайды]] [[https://youtu.be/c6rEP55zC2c Запись лекции]]<br /> <br /> '''Лекция 5''' (16.02.2022). Немного про градиентный спуск. Аналитическая формула для оптимального вектора весов, её недостатки. Переобучение и регуляризация линейных моделей. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture05-linregr.pdf Слайды]] [[https://youtu.be/1woPeqJRHwU Запись лекции]]<br /> <br /> '''Лекция 6''' (02.03.2022) Линейная регрессия и градиентный спуск. Масштабирование признаков. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture06-linregr.pdf Слайды]] [[https://www.youtube.com/watch?v=EXG0lrN5s1M&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=62 Запись лекции]]<br /> <br /> '''Лекция 7''' (09.03.2022) Градиентный спуск и функции потерь в регрессии. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture07-linregr.pdf Слайды]] [[https://www.youtube.com/watch?v=qCGXMAChhK0&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=74 Запись лекции]]<br /> <br /> '''Лекция 8''' (16.03.2022) Линейная классификация. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture08-linclass.pdf Слайды]] [[https://www.youtube.com/watch?v=VF4newaSUYQ&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=85 Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (19.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> '''Семинар 2''' (26.01.2022). pandas. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem02_pandas.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=YqA_qCZ3RIw&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=18 Запись одного из семинаров]]<br /> <br /> '''Семинар 3''' (02.02.2022). KNN. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem3_sklearn_knn/sem03-sklearn-knn.ipynb Ноутбук]] [[https://youtu.be/HIEe64po7us Запись одного из семинаров]] <br /> <br /> '''Семинар 4''' (09.02.2022). Визуализация данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem04_visualization.ipynb Ноутбук]] [[https://youtu.be/qbKZStxCJAs Запись одного из семинаров]]<br /> <br /> '''Семинар 5''' (16.02.2022) ООП. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem05_OOP.ipynb Ноутбук]] [[https://youtu.be/JReiu0t1qjo Запись одного из семинаров]]<br /> <br /> '''Семинар 6''' (02.03.2022) Линейная регрессия. [[https://github.com/hse-ds/iad-intro-ds/tree/master/2022/seminars/sem06_linreg Ноутбук]] []<br /> <br /> '''Семинар 7''' (09.03.2022) Градиентный спуск [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem07_grad.ipynb Ноутбук]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн - 29.01.2022, Жесткий дедлайн 03.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 2 - pandas''' Мягкий дедлайн - 10.02.2022, Жесткий дедлайн - 15.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw02_pandas.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 3 - EDA''' Мягкий дедлайн - 01.03.2022, Жесткий дедлайн - 08.03.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw03-EDA/hw03-EDA.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 4 - kNN, linreg''' Мягкий дедлайн - 17.03.2022, Жесткий дедлайн - 25.03.2022 [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw04-sklearn-knn-linreg.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 5 - Градиентный спуск''' Мягкий дедлайн - 12.04.2022, Жесткий дедлайн - 19.04.2022 [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw05_gd.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=67912 2022-04-04T10:15:55Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10 в [https://zoom.us/j/93166833697?pwd=UkZybHlNNlBWOWZ2eWovcWtNK3Nrdz09 zoom].<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/masstermax Гудзикевич Максим], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Васильев Роман || [https://t.me/nikola_dobr Добротворский Николай] || [Zoom] || [https://t.me/+remAgPd2T6cxYTJi Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/95746475791?pwd=TTlGaHlEV2ZwV3UyMWxFVmw2SnFBdz09 Zoom] || [https://t.me/+YQOnIRBobV05YjBi Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> <br /> У групп БИ-1 и БИ-2 (не майнор) оценка за курс также проставляется в третьем модуле:<br /> <br /> О&lt;sub&gt;итоговая за третий модуль&lt;/sub&gt; = Округление(0.8 * ДЗ + 0.2 * ПР)<br /> <br /> Обратите внимание, что работы из третьего модуля также влияют на оценку в четвертом<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (19.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> '''Лекция 2''' (26.01.2022). Виды задач и виды признаков. Метод k ближайших соседей для классификации. Вычисление расстояний для числовых данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture02-knn.pdf Слайды]] [[https://youtu.be/ZKJPmzsMLzY Запись лекции]]<br /> <br /> '''Лекция 3''' (02.02.2022). Измерение ошибки в задачах классификации. Обобщающая способность. Проверка обобщающей способности: отложенная выборка и кросс-валидация. Метод k ближайших соседей с весами. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture03-knn.pdf Слайды]] [[https://youtu.be/UZB2t43B1dI Запись лекции]]<br /> <br /> '''Лекция 4''' (09.02.2022). Модель линейной регрессии. Подготовка данных для линейной регрессии. MSE для линейной регрессии в матричной форме. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture04-linregr.pdf Слайды]] [[https://youtu.be/c6rEP55zC2c Запись лекции]]<br /> <br /> '''Лекция 5''' (16.02.2022). Немного про градиентный спуск. Аналитическая формула для оптимального вектора весов, её недостатки. Переобучение и регуляризация линейных моделей. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture05-linregr.pdf Слайды]] [[https://youtu.be/1woPeqJRHwU Запись лекции]]<br /> <br /> '''Лекция 6''' (02.03.2022) Линейная регрессия и градиентный спуск. Масштабирование признаков. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture06-linregr.pdf Слайды]] [[https://www.youtube.com/watch?v=EXG0lrN5s1M&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=62 Запись лекции]]<br /> <br /> '''Лекция 7''' (09.03.2022) Градиентный спуск и функции потерь в регрессии. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture07-linregr.pdf Слайды]] [[https://www.youtube.com/watch?v=qCGXMAChhK0&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=74 Запись лекции]]<br /> <br /> '''Лекция 8''' (16.03.2022) Линейная классификация. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture08-linclass.pdf Слайды]] [[https://www.youtube.com/watch?v=VF4newaSUYQ&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=85 Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (19.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> '''Семинар 2''' (26.01.2022). pandas. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem02_pandas.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=YqA_qCZ3RIw&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=18 Запись одного из семинаров]]<br /> <br /> '''Семинар 3''' (02.02.2022). KNN. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem3_sklearn_knn/sem03-sklearn-knn.ipynb Ноутбук]] [[https://youtu.be/HIEe64po7us Запись одного из семинаров]] <br /> <br /> '''Семинар 4''' (09.02.2022). Визуализация данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem04_visualization.ipynb Ноутбук]] [[https://youtu.be/qbKZStxCJAs Запись одного из семинаров]]<br /> <br /> '''Семинар 5''' (16.02.2022) ООП. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem05_OOP.ipynb Ноутбук]] [[https://youtu.be/JReiu0t1qjo Запись одного из семинаров]]<br /> <br /> '''Семинар 6''' (02.03.2022) Линейная регрессия. [[https://github.com/hse-ds/iad-intro-ds/tree/master/2022/seminars/sem06_linreg Ноутбук]] []<br /> <br /> '''Семинар 7''' (09.03.2022) Градиентный спуск [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem07_grad.ipynb Ноутбук]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн - 29.01.2022, Жесткий дедлайн 03.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 2 - pandas''' Мягкий дедлайн - 10.02.2022, Жесткий дедлайн - 15.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw02_pandas.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 3 - EDA''' Мягкий дедлайн - 01.03.2022, Жесткий дедлайн - 08.03.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw03-EDA/hw03-EDA.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 4 - kNN, linreg''' Мягкий дедлайн - 17.03.2022, Жесткий дедлайн - 25.03.2022 [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw04-sklearn-knn-linreg.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 5 - Градиентный спуск''' Мягкий дедлайн - 12.04.2022, Жесткий дедлайн - 19.04.2022 [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw05_gd.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=67911 2022-04-04T10:13:07Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10 в [https://zoom.us/j/93166833697?pwd=UkZybHlNNlBWOWZ2eWovcWtNK3Nrdz09 zoom].<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/masstermax Гудзикевич Максим], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Васильев Роман || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09 Zoom] || [https://t.me/+remAgPd2T6cxYTJi Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/95746475791?pwd=TTlGaHlEV2ZwV3UyMWxFVmw2SnFBdz09 Zoom] || [https://t.me/+YQOnIRBobV05YjBi Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> <br /> У групп БИ-1 и БИ-2 (не майнор) оценка за курс также проставляется в третьем модуле:<br /> <br /> О&lt;sub&gt;итоговая за третий модуль&lt;/sub&gt; = Округление(0.8 * ДЗ + 0.2 * ПР)<br /> <br /> Обратите внимание, что работы из третьего модуля также влияют на оценку в четвертом<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (19.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> '''Лекция 2''' (26.01.2022). Виды задач и виды признаков. Метод k ближайших соседей для классификации. Вычисление расстояний для числовых данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture02-knn.pdf Слайды]] [[https://youtu.be/ZKJPmzsMLzY Запись лекции]]<br /> <br /> '''Лекция 3''' (02.02.2022). Измерение ошибки в задачах классификации. Обобщающая способность. Проверка обобщающей способности: отложенная выборка и кросс-валидация. Метод k ближайших соседей с весами. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture03-knn.pdf Слайды]] [[https://youtu.be/UZB2t43B1dI Запись лекции]]<br /> <br /> '''Лекция 4''' (09.02.2022). Модель линейной регрессии. Подготовка данных для линейной регрессии. MSE для линейной регрессии в матричной форме. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture04-linregr.pdf Слайды]] [[https://youtu.be/c6rEP55zC2c Запись лекции]]<br /> <br /> '''Лекция 5''' (16.02.2022). Немного про градиентный спуск. Аналитическая формула для оптимального вектора весов, её недостатки. Переобучение и регуляризация линейных моделей. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture05-linregr.pdf Слайды]] [[https://youtu.be/1woPeqJRHwU Запись лекции]]<br /> <br /> '''Лекция 6''' (02.03.2022) Линейная регрессия и градиентный спуск. Масштабирование признаков. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture06-linregr.pdf Слайды]] [[https://www.youtube.com/watch?v=EXG0lrN5s1M&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=62 Запись лекции]]<br /> <br /> '''Лекция 7''' (09.03.2022) Градиентный спуск и функции потерь в регрессии. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture07-linregr.pdf Слайды]] [[https://www.youtube.com/watch?v=qCGXMAChhK0&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=74 Запись лекции]]<br /> <br /> '''Лекция 8''' (16.03.2022) Линейная классификация. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture08-linclass.pdf Слайды]] [[https://www.youtube.com/watch?v=VF4newaSUYQ&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=85 Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (19.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> '''Семинар 2''' (26.01.2022). pandas. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem02_pandas.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=YqA_qCZ3RIw&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=18 Запись одного из семинаров]]<br /> <br /> '''Семинар 3''' (02.02.2022). KNN. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem3_sklearn_knn/sem03-sklearn-knn.ipynb Ноутбук]] [[https://youtu.be/HIEe64po7us Запись одного из семинаров]] <br /> <br /> '''Семинар 4''' (09.02.2022). Визуализация данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem04_visualization.ipynb Ноутбук]] [[https://youtu.be/qbKZStxCJAs Запись одного из семинаров]]<br /> <br /> '''Семинар 5''' (16.02.2022) ООП. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem05_OOP.ipynb Ноутбук]] [[https://youtu.be/JReiu0t1qjo Запись одного из семинаров]]<br /> <br /> '''Семинар 6''' (02.03.2022) Линейная регрессия. [[https://github.com/hse-ds/iad-intro-ds/tree/master/2022/seminars/sem06_linreg Ноутбук]] []<br /> <br /> '''Семинар 7''' (09.03.2022) Градиентный спуск [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem07_grad.ipynb Ноутбук]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн - 29.01.2022, Жесткий дедлайн 03.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 2 - pandas''' Мягкий дедлайн - 10.02.2022, Жесткий дедлайн - 15.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw02_pandas.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 3 - EDA''' Мягкий дедлайн - 01.03.2022, Жесткий дедлайн - 08.03.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw03-EDA/hw03-EDA.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 4 - kNN, linreg''' Мягкий дедлайн - 17.03.2022, Жесткий дедлайн - 25.03.2022 [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw04-sklearn-knn-linreg.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 5 - Градиентный спуск''' Мягкий дедлайн - 12.04.2022, Жесткий дедлайн - 19.04.2022 [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw05_gd.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=66016 2022-02-18T10:49:29Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10 в [https://zoom.us/j/93166833697?pwd=UkZybHlNNlBWOWZ2eWovcWtNK3Nrdz09 zoom].<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/masstermax Гудзикевич Максим], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Ханин Павел || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09 Zoom] || [https://t.me/+remAgPd2T6cxYTJi Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/95746475791?pwd=TTlGaHlEV2ZwV3UyMWxFVmw2SnFBdz09 Zoom] || [https://t.me/+YQOnIRBobV05YjBi Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> <br /> У групп БИ-1 и БИ-2 (не майнор) оценка за курс также проставляется в третьем модуле:<br /> <br /> О&lt;sub&gt;итоговая за третий модуль&lt;/sub&gt; = Округление(0.8 * ДЗ + 0.2 * ПР)<br /> <br /> Обратите внимание, что работы из третьего модуля также влияют на оценку в четвертом<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (19.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> '''Лекция 2''' (26.01.2022). Виды задач и виды признаков. Метод k ближайших соседей для классификации. Вычисление расстояний для числовых данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture02-knn.pdf Слайды]] [[https://youtu.be/ZKJPmzsMLzY Запись лекции]]<br /> <br /> '''Лекция 3''' (02.02.2022). Измерение ошибки в задачах классификации. Обобщающая способность. Проверка обобщающей способности: отложенная выборка и кросс-валидация. Метод k ближайших соседей с весами. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture03-knn.pdf Слайды]] [[https://youtu.be/UZB2t43B1dI Запись лекции]]<br /> <br /> '''Лекция 4''' (09.02.2022). Модель линейной регрессии. Подготовка данных для линейной регрессии. MSE для линейной регрессии в матричной форме. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture04-linregr.pdf Слайды]] [[https://youtu.be/c6rEP55zC2c Запись лекции]]<br /> <br /> '''Лекция 5''' (16.02.2022). Немного про градиентный спуск. Аналитическая формула для оптимального вектора весов, её недостатки. Переобучение и регуляризация линейных моделей. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture05-linregr.pdf Слайды]] [[https://youtu.be/1woPeqJRHwU Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (19.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> '''Семинар 2''' (26.01.2022). pandas. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem02_pandas.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=YqA_qCZ3RIw&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=18 Запись одного из семинаров]]<br /> <br /> '''Семинар 3''' (02.02.2022). KNN. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem3_sklearn_knn/sem03-sklearn-knn.ipynb Ноутбук]] [[https://youtu.be/HIEe64po7us Запись одного из семинаров]] <br /> <br /> '''Семинар 4''' (09.02.2022). Визуализация данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem04_visualization.ipynb Ноутбук]] [[https://youtu.be/qbKZStxCJAs Запись одного из семинаров]]<br /> <br /> '''Семинар 5''' (16.02.2022) ООП. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem05_OOP.ipynb Ноутбук]] [[https://youtu.be/JReiu0t1qjo Запись одного из семинаров]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 2 - pandas''' Мягкий дедлайн 10.02.2022 Жесткий дедлайн 15.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw02_pandas.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 3 - EDA''' Мягкий дедлайн 01.03.2022 Жесткий дедлайн 08.03.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw03-EDA/hw03-EDA.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=66015 2022-02-18T10:46:53Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10 в [https://zoom.us/j/93166833697?pwd=UkZybHlNNlBWOWZ2eWovcWtNK3Nrdz09 zoom].<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/masstermax Гудзикевич Максим], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Ханин Павел || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09 Zoom] || [https://t.me/+remAgPd2T6cxYTJi Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/95746475791?pwd=TTlGaHlEV2ZwV3UyMWxFVmw2SnFBdz09 Zoom] || [https://t.me/+YQOnIRBobV05YjBi Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> <br /> У групп БИ-1 и БИ-2 (не майнор) оценка за курс также проставляется в третьем модуле:<br /> <br /> О&lt;sub&gt;итоговая за третий модуль&lt;/sub&gt; = Округление(0.8 * ДЗ + 0.2 * ПР)<br /> <br /> Обратите внимание, что работы из третьего модуля также влияют на оценку в четвертом<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (19.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> '''Лекция 2''' (26.01.2022). Виды задач и виды признаков. Метод k ближайших соседей для классификации. Вычисление расстояний для числовых данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture02-knn.pdf Слайды]] [[https://youtu.be/ZKJPmzsMLzY Запись лекции]]<br /> <br /> '''Лекция 3''' (02.02.2022). Измерение ошибки в задачах классификации. Обобщающая способность. Проверка обобщающей способности: отложенная выборка и кросс-валидация. Метод k ближайших соседей с весами. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture03-knn.pdf Слайды]] [[https://youtu.be/UZB2t43B1dI Запись лекции]]<br /> <br /> '''Лекция 4''' (09.02.2022). Модель линейной регрессии. Подготовка данных для линейной регрессии. MSE для линейной регрессии в матричной форме. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture04-linregr.pdf Слайды]] [[https://youtu.be/c6rEP55zC2c Запись лекции]]<br /> <br /> '''Лекция 5''' (16.02.2022). Немного про градиентный спуск. Аналитическая формула для оптимального вектора весов, её недостатки. Переобучение и регуляризация линейных моделей. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture05-linregr.pdf Слайды]] [[https://youtu.be/1woPeqJRHwU Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (19.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> '''Семинар 2''' (26.01.2022). pandas. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem02_pandas.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=YqA_qCZ3RIw&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=18 Запись одного из семинаров]]<br /> <br /> '''Семинар 3''' (02.02.2022). KNN. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem3_sklearn_knn/sem03-sklearn-knn.ipynb Ноутбук]] <br /> <br /> '''Семинар 4''' (09.02.2022). Визуализация данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem04_visualization.ipynb Ноутбук]]<br /> <br /> '''Семинар 5''' (16.02.2022) ООП. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem05_OOP.ipynb Ноутбук]] [[https://youtu.be/JReiu0t1qjo Запись одного из семинаров]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 2 - pandas''' Мягкий дедлайн 10.02.2022 Жесткий дедлайн 15.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw02_pandas.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 3 - EDA''' Мягкий дедлайн 01.03.2022 Жесткий дедлайн 08.03.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw03-EDA/hw03-EDA.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=66014 2022-02-18T10:40:35Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10 в [https://zoom.us/j/93166833697?pwd=UkZybHlNNlBWOWZ2eWovcWtNK3Nrdz09 zoom].<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/masstermax Гудзикевич Максим], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Ханин Павел || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09 Zoom] || [https://t.me/+remAgPd2T6cxYTJi Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/95746475791?pwd=TTlGaHlEV2ZwV3UyMWxFVmw2SnFBdz09 Zoom] || [https://t.me/+YQOnIRBobV05YjBi Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> <br /> У групп БИ-1 и БИ-2 (не майнор) оценка за курс также проставляется в третьем модуле:<br /> <br /> О&lt;sub&gt;итоговая за третий модуль&lt;/sub&gt; = Округление(0.8 * ДЗ + 0.2 * ПР)<br /> <br /> Обратите внимание, что работы из третьего модуля также влияют на оценку в четвертом<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (19.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> '''Лекция 2''' (26.01.2022). Виды задач и виды признаков. Метод k ближайших соседей для классификации. Вычисление расстояний для числовых данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture02-knn.pdf Слайды]] [[https://youtu.be/ZKJPmzsMLzY Запись лекции]]<br /> <br /> '''Лекция 3''' (02.02.2022). Измерение ошибки в задачах классификации. Обобщающая способность. Проверка обобщающей способности: отложенная выборка и кросс-валидация. Метод k ближайших соседей с весами. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture03-knn.pdf Слайды]] [[https://youtu.be/UZB2t43B1dI Запись лекции]]<br /> <br /> '''Лекция 4''' (09.02.2022). Модель линейной регрессии. Подготовка данных для линейной регрессии. MSE для линейной регрессии в матричной форме. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture04-linregr.pdf Слайды]] [[https://youtu.be/c6rEP55zC2c Запись лекции]]<br /> <br /> '''Лекция 5''' (16.02.2022). Немного про градиентный спуск. Аналитическая формула для оптимального вектора весов, её недостатки. Переобучение и регуляризация линейных моделей. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture05-linregr.pdf Слайды]] [[https://youtu.be/1woPeqJRHwU Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (19.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> '''Семинар 2''' (26.01.2022). pandas. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem02_pandas.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=YqA_qCZ3RIw&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=18 Запись одного из семинаров]]<br /> <br /> '''Семинар 3''' (02.02.2022). KNN. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem3_sklearn_knn/sem03-sklearn-knn.ipynb Ноутбук]] <br /> <br /> '''Семинар 4''' (09.02.2022). Визуализация данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem04_visualization.ipynb Ноутбук]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 2 - pandas''' Мягкий дедлайн 10.02.2022 Жесткий дедлайн 15.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw02_pandas.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 3 - EDA''' Мягкий дедлайн 01.03.2022 Жесткий дедлайн 08.03.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw03-EDA/hw03-EDA.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=66013 2022-02-18T10:34:00Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10 в [https://zoom.us/j/93166833697?pwd=UkZybHlNNlBWOWZ2eWovcWtNK3Nrdz09 zoom].<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/masstermax Гудзикевич Максим], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Ханин Павел || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09 Zoom] || [https://t.me/+remAgPd2T6cxYTJi Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/95746475791?pwd=TTlGaHlEV2ZwV3UyMWxFVmw2SnFBdz09 Zoom] || [https://t.me/+YQOnIRBobV05YjBi Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> <br /> У групп БИ-1 и БИ-2 (не майнор) оценка за курс также проставляется в третьем модуле:<br /> <br /> О&lt;sub&gt;итоговая за третий модуль&lt;/sub&gt; = Округление(0.8 * ДЗ + 0.2 * ПР)<br /> <br /> Обратите внимание, что работы из третьего модуля также влияют на оценку в четвертом<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (19.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> '''Лекция 2''' (26.01.2022). Виды задач и виды признаков. Метод k ближайших соседей для классификации. Вычисление расстояний для числовых данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture02-knn.pdf Слайды]] [[https://youtu.be/ZKJPmzsMLzY Запись лекции]]<br /> <br /> '''Лекция 3''' (02.02.2022). Измерение ошибки в задачах классификации. Переобучение и обобщающая способность. Проверка обобщающей способности: отложенная выборка и кросс-валидация. Метод k ближайших соседей с весами. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture03-knn.pdf Слайды]] [[https://youtu.be/UZB2t43B1dI Запись лекции]]<br /> <br /> '''Лекция 4''' (09.02.2022). Модель линейной регрессии. Подготовка данных для линейной регрессии. MSE для линейной регрессии в матричной форме. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture04-linregr.pdf Слайды]] [[https://youtu.be/c6rEP55zC2c Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (19.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> '''Семинар 2''' (26.01.2022). pandas. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem02_pandas.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=YqA_qCZ3RIw&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=18 Запись одного из семинаров]]<br /> <br /> '''Семинар 3''' (02.02.2022). KNN. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem3_sklearn_knn/sem03-sklearn-knn.ipynb Ноутбук]] <br /> <br /> '''Семинар 4''' (09.02.2022). Визуализация данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem04_visualization.ipynb Ноутбук]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 2 - pandas''' Мягкий дедлайн 10.02.2022 Жесткий дедлайн 15.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw02_pandas.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 3 - EDA''' Мягкий дедлайн 01.03.2022 Жесткий дедлайн 08.03.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw03-EDA/hw03-EDA.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=66012 2022-02-18T10:28:57Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10 в [https://zoom.us/j/93166833697?pwd=UkZybHlNNlBWOWZ2eWovcWtNK3Nrdz09 zoom].<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/masstermax Гудзикевич Максим], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Ханин Павел || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09 Zoom] || [https://t.me/+remAgPd2T6cxYTJi Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/95746475791?pwd=TTlGaHlEV2ZwV3UyMWxFVmw2SnFBdz09 Zoom] || [https://t.me/+YQOnIRBobV05YjBi Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> <br /> У групп БИ-1 и БИ-2 (не майнор) оценка за курс также проставляется в третьем модуле:<br /> <br /> О&lt;sub&gt;итоговая за третий модуль&lt;/sub&gt; = Округление(0.8 * ДЗ + 0.2 * ПР)<br /> <br /> Обратите внимание, что работы из третьего модуля также влияют на оценку в четвертом<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (19.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> '''Лекция 2''' (26.01.2022). Виды задач и виды признаков. Метод k ближайших соседей для классификации. Вычисление расстояний для числовых данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture02-knn.pdf Слайды]] [[https://youtu.be/ZKJPmzsMLzY Запись лекции]]<br /> <br /> '''Лекция 3''' (02.02.2022). Измерение ошибки в задачах классификации. Переобучение и обобщающая способность. Проверка обобщающей способности: отложенная выборка и кросс-валидация. Метод k ближайших соседей с весами. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture03-knn.pdf Слайды]] [[https://youtu.be/UZB2t43B1dI Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (19.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> '''Семинар 2''' (26.01.2022). pandas. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem02_pandas.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=YqA_qCZ3RIw&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=18 Запись одного из семинаров]]<br /> <br /> '''Семинар 3''' (02.02.2022). KNN. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem3_sklearn_knn/sem03-sklearn-knn.ipynb Ноутбук]] <br /> <br /> '''Семинар 4''' (09.02.2022). Визуализация данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem04_visualization.ipynb Ноутбук]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 2 - pandas''' Мягкий дедлайн 10.02.2022 Жесткий дедлайн 15.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw02_pandas.ipynb Ноутбук]]<br /> <br /> '''Практическое задание 3 - EDA''' Мягкий дедлайн 01.03.2022 Жесткий дедлайн 08.03.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw03-EDA/hw03-EDA.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=65168 2022-01-31T12:47:56Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10 в [https://zoom.us/j/93166833697?pwd=UkZybHlNNlBWOWZ2eWovcWtNK3Nrdz09 zoom].<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/masstermax Гудзикевич Максим], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Ханин Павел || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09 Zoom] || [https://t.me/+remAgPd2T6cxYTJi Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/95746475791?pwd=TTlGaHlEV2ZwV3UyMWxFVmw2SnFBdz09 Zoom] || [https://t.me/+YQOnIRBobV05YjBi Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> <br /> У групп БИ-1 и БИ-2 (не майнор) оценка за курс также проставляется в третьем модуле:<br /> <br /> О&lt;sub&gt;итоговая за третий модуль&lt;/sub&gt; = Округление(0.8 * ДЗ + 0.2 * ПР)<br /> <br /> Обратите внимание, что работы из третьего модуля также влияют на оценку в четвертом<br /> <br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (19.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> '''Лекция 2''' (26.01.2022). Виды задач и виды признаков. Метод k ближайших соседей для классификации. Вычисление расстояний для числовых данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture02-knn.pdf Слайды]] [[https://youtu.be/ZKJPmzsMLzY Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (19.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> '''Семинар 2''' (26.01.2022). pandas. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem02_pandas.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=YqA_qCZ3RIw&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=18 Запись одного из семинаров]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=64840 2022-01-24T14:31:43Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10.<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/Julia_Korot Короткова Юлия], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Ханин Павел || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09 Zoom] || [https://t.me/+remAgPd2T6cxYTJi Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/95746475791?pwd=TTlGaHlEV2ZwV3UyMWxFVmw2SnFBdz09 Zoom] || [https://t.me/+YQOnIRBobV05YjBi Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (10.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (10.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=64839 2022-01-24T14:31:12Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10.<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/Julia_Korot Короткова Юлия], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Ханин Павел || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09 Zoom] || [https://t.me/+remAgPd2T6cxYTJi Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/95746475791?pwd=TTlGaHlEV2ZwV3UyMWxFVmw2SnFBdz09 Zoom] || [Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (10.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (10.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=64836 2022-01-24T13:57:13Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10.<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/Julia_Korot Короткова Юлия], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Ханин Павел || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09 Zoom] || [Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [Zoom] || [Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (10.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (10.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=64835 2022-01-24T13:56:50Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10.<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/Julia_Korot Короткова Юлия], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Ханин Павел || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09] || [Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [Zoom] || [Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (10.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (10.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=64834 2022-01-24T13:56:14Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10.<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/Julia_Korot Короткова Юлия], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> | БИ-1 || Ханин Павел || [https://t.me/nikola_dobr Добротворский Николай] || [https://zoom.us/j/94407230215?pwd=MGd5QkJlUlQzVlRlUGhheFdSR0xIZz09] || [Чат] || -|| FKmNFoj<br /> |-<br /> | БИ-2 || Мокрий Юрий || [https://t.me/ari_yusa Юсупова Арина] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| F7rNwgw<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (10.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (10.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=64833 2022-01-24T13:45:51Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10.<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || t22o3Qw<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/Julia_Korot Короткова Юлия], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (10.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (10.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam https://wiki.cs.hse.ru/index.php?title=%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F/2023&diff=64832 2022-01-24T13:45:21Z

<p>Parestoranam: </p> <hr /> <div>== О курсе ==<br /> <br /> Курс читается для студентов 2-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 3-4 модулях.<br /> <br /> Проводится с 2015 года.<br /> <br /> '''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]<br /> <br /> Лекции проходят онлайн по средам в 11:10.<br /> <br /> === Полезные ссылки ===<br /> <br /> [https://www.hse.ru/edu/courses/450828864 Карточка курса и программа]<br /> <br /> [https://github.com/hse-ds/iad-intro-ds Репозиторий с материалами на GitHub]<br /> <br /> [https://www.youtube.com/playlist?list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ Записи занятий]<br /> <br /> Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.minor.dm+&lt;номер группы&gt;@gmail.com (например, hse.minor.dm+3@gmail.com)<br /> <br /> Канал в telegram для объявлений: https://t.me/hse_iad_22<br /> <br /> Чат в telegram для флуда: https://t.me/+pbt8rRfldsUzZGUy<br /> <br /> Ссылка на курс в Anytask: https://anytask.org/course/899<br /> <br /> Таблица с оценками: https://docs.google.com/spreadsheets/d/130puDf_28fPRNKJqtyQAkIyoKnjbVHFtpAcX5zm4CsA/edit?usp=sharing<br /> <br /> === Семинары ===<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! Группа !! Преподаватель !! Учебные ассистенты !! Zoom-конференция !! Ссылка на чат !! Материалы семинаров !! Инвайт в anytask <br /> |-<br /> | ИАД-1 || Алвандян Нарек || [https://t.me/ipomeya31 Плахин Александр], [https://t.me/parestoranam Макаров Антон] || [https://zoom.us/j/93410637894?pwd=NG1yMllOZWtTRzNuYTY5T0QwTHVtZz09 Zoom] || [https://t.me/+OghU7AZvqqhlODZi Чат] || - || A1U6NYZ<br /> |-<br /> | ИАД-2 || Косарев Илья || [https://t.me/caesiummm Никифоров Михаил], [https://t.me/anatoly_paschenko Пащенко Анатолий] || [https://zoom.us/j/96875144987?pwd=c1Vqd2t2OWVaY2VlNllCVU82WW5mQT09 Zoom] || [https://t.me/+sqgSOPgr5HZmZTQy Чат] || - || RbElTlq<br /> |-<br /> | ИАД-3 || Кантонистова Елена || [https://t.me/Savely_Prokhorov Прохоров Савелий], [https://t.me/arorlov Червяков Артем] || [https://zoom.us/j/92527076732?pwd=dWxHMXczUlkyMXdmaG1NYlA5QjUrUT09 Zoom] || [https://t.me/+LSgeYDy2Fio1NmM6 Чат] || - || TdtY747<br /> |-<br /> | ИАД-4 || [https://t.me/vsomelyusik Владимир Омелюсик] || [https://t.me/yaderevenskiy Альмухаметов Денис], [https://t.me/zhan2pac Жуматаев Жанту] || [https://zoom.us/j/94478987033?pwd=QlIwUkRyVFh0UVEzS1VBT2RGT2lQZz09 Zoom] || [https://t.me/+9hLzy1jv1tczNWMy Чат] || [https://github.com/V-Marco/hse_iad4_2022 Материалы] || -<br /> |-<br /> | ИАД-5 ||Карпова Ася || [https://t.me/egorkapiorka Масликов Егор], [https://t.me/krsafonov Кирилл Сафонов] || [https://zoom.us/j/94217882025?pwd=TzNJb296OEw1dHhLRDZjeWxIbHVKZz09 Zoom] || [https://t.me/+u4MqYwV6XINmYjcy Чат] || - || Dy5fbVc<br /> |-<br /> | ИАД-6 || Серякова Василиса || [https://t.me/ongalek Смоленчук Иван], [https://t.me/masstermax Гудзикевич Максим] || [https://zoom.us/j/98698466454?pwd=ZG9yR0liVnk4K0JOdWRQb2RDL2lIZz09 Zoom] || [https://t.me/+YvHUyon7GqBlZjZi Чат] || || ybPLhJX<br /> |-<br /> | ИАД-7 || Чиркова Надежда || [https://t.me/Julia_Korot Короткова Юлия], [https://t.me/ekostrykina Кострыкина Екатерина] || [https://zoom.us/j/94594342525?pwd=bXR5YzdEQWg1cm85citKdWR0Y2M0Zz09 Zoom] || [https://t.me/+f_60KCmo80hhN2Ni Чат] || [https://github.com/nadiinchi/iad2022/ Материалы] || zdbENSv<br /> |-<br /> | ИАД-8 || Семенов Дмитрий || [https://t.me/mr_dyadyunov Дядюнов Андрей], [https://t.me/VeteranIvan Пичугин Иван]|| [https://zoom.us/j/99921792854?pwd=b1JpazNtVEVwaWZYK1RDYWQ1NFNhdz09 Zoom] || [https://t.me/+H0EwJppMUMBhMjcy Чат] || - || Hp2cbwv<br /> |-<br /> | ИАД-9 || Альперович Вадим || [https://t.me/alex_uve Пономаренко Александр], [https://t.me/onehspal Лапшина Ксения ] || [https://zoom.us/j/99240916833?pwd=bDZISE4vbTIzOFprVjFzY1dBaFM3QT09 Zoom] || [https://t.me/+TSPjYC7CpYA4NGQy Чат] || -|| JeVWlWS<br /> |-<br /> |}<br /> <br /> === Правила выставления оценок ===<br /> <br /> В курсе предусмотрено несколько форм контроля знания:<br /> * Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров<br /> * Практические домашние работы на Python<br /> * Контрольная где-то в середине курса<br /> * Письменный экзамен<br /> <br /> Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:<br /> <br /> O&lt;sub&gt;итоговая&lt;/sub&gt; = Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)<br /> <br /> ДЗ — средняя оценка за практические домашние задания<br /> <br /> ПР — средняя оценка за письменные проверочные работы на семинарах<br /> <br /> КР — оценка за контрольную работу<br /> <br /> Э — оценка за экзамен<br /> <br /> Округление арифметическое.<br /> <br /> === Правила сдачи заданий ===<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.<br /> <br /> Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Также разрешается в конце курса написать одну проверочную, пропущенную без уважительной причины.<br /> <br /> При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.<br /> <br /> При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.<br /> <br /> == Лекции ==<br /> <br /> '''Лекция 1''' (10.01.2022). Введение в машинное обучение и анализ данных. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/lectures/lecture01-intro.pdf Слайды]] [[https://www.youtube.com/watch?v=CWqurj-JjkQ Запись лекции]]<br /> <br /> == Семинары ==<br /> <br /> '''Семинар 1''' (10.01.2022). Немного про Jupyter notebook и numpy. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/seminars/sem01_numpy.ipynb Ноутбук]] [[https://www.youtube.com/watch?v=QrgRR6zeLQk&amp;list=PLEwK9wdS5g0rco8Fan1hA-bV2DXOyRkXQ&amp;index=9 Запись одного из семинаров]]<br /> <br /> == Практические задания ==<br /> <br /> За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются, но есть исключение. Студенту разрешается два раза сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов. Все дедлайны в 23:59 по московскому времени. <br /> <br /> В некоторых группах домашние задания могут отличаться. Уточняйте у семинариста.<br /> <br /> '''Практическое задание 1 - numpy''' Мягкий дедлайн 29.01.2022 Жесткий дедлайн 3.02.2022. [[https://github.com/hse-ds/iad-intro-ds/blob/master/2022/homeworks/hw01-numpy.ipynb Ноутбук]]<br /> <br /> == Соревнования ==<br /> <br /> ===Правила участия и оценивания===<br /> В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.<br /> <br /> Студент, занявший в соревновании место i, получает оценку<br /> <br /> 10 - 10 * (i - 1) / M,<br /> <br /> где M — количество студентов, принявших участие в соревновании;<br /> <br /> i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.<br /> <br /> Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team): <br /> <br /> «Имя Фамилия номер_группы»<br /> <br /> В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Если не оговорено иное, использовать любые внешние данные в соревнованиях '''запрещено'''. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.<br /> <br /> == Контрольная работа ==<br /> <br /> == Экзамен ==<br /> <br /> ==Полезные материалы==<br /> ===Курсы по машинному обучению и анализу данных===<br /> Максимально близко к материалам курса: [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Специализация &quot;Машинное обучение: от статистики до нейросетей&quot;] (речь про два курса: &quot;Основы машинного обучения&quot; и &quot;Продвинутые методы машинного обучения&quot;)<br /> <br /> Для тех, кто хочет подтянуть математику: [https://www.coursera.org/specializations/maths-for-data-analysis Специализация &quot;Математика для анализа данных&quot;]<br /> <br /> Более сложная версия этого курса с ПМИ: [[Машинное обучение 1]]<br /> <br /> Ещё материалы:<br /> * [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]<br /> * [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]<br /> * [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]<br /> * [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]<br /> * [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]<br /> <br /> ===Статьи===<br /> * [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]<br /> * [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]<br /> <br /> ===Книги===<br /> * Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.<br /> * Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.<br /> * James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.<br /> <br /> == Страницы прошлых лет ==<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД) | 2020/21 учебный год]]<br /> <br /> [[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020 | 2019/20 учебный год]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных | 2018/19 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2017-2018 | 2017/18 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2016-2017 | 2016/17 учебный год ]]<br /> <br /> [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/2015-2016 | 2015/16 учебный год ]]<br /> <br /> [[Category:Майнор &quot;Интеллектуальный анализ данных&quot;]]</div>

Parestoranam