Wiki - Факультет компьютерных наук - Вклад [ru]

Линейная алгебра и геометрия на ПМИ 2022/2023 (основной поток)

2022-09-05T23:25:37Z

Sabinadayanova: добавила телеграм сабины даяновой

Данную дисциплину вместе с основным потоком ПМИ изучают также студенты ОП "Экономика и анализ данных"

Telegram-канал: https://t.me/LA_AMI_22_osn

= Преподаватели и учебные ассистенты =

{| class="wikitable" style="text-align:center"
|-
! Группа !! БПМИ215 !! БПМИ216 !! БПМИ217 !! БПМИ218 !! БПМИ219 !! БПМИ2110 !! БПМИ2111 !! БПМИ2112 !! БЭАД221 !! БЭАД222 !! БЭАД223
|-
|| Лектор ||colspan="11"| [http://www.hse.ru/org/persons/112929840 Роман Авдеев]
|-
|| Семинарист || [http://www.hse.ru/org/persons/112929840 Роман Авдеев] || Илья Болдырев || Светлана Гаврилова || [https://www.hse.ru/org/persons/304055991 Юлия Зайцева] || [mailto:ssmirnov@higeom.math.msu.su Сергей Смирнов] || [https://www.hse.ru/org/persons/306101187 Алёна Зароднюк] || Светлана Гаврилова || [https://t.me/sabinadayanova Сабина Даянова] || [https://www.hse.ru/org/persons/306101187 Алёна Зароднюк] || Виктор Лопаткин || Илья Болдырев
|-
|| Ассистент || || || || || || || || ||
|-
|| Ассистент курса ||colspan="11"| [https://t.me/Larsi_2014 Рита Арунова]
|}

= Расписание консультаций =

= Формы контроля знаний студентов =

*Коллоквиум
*Контрольная работа
*Большие домашние задания (делящиеся на индивидуальные домашние задания и лабораторные работы)
*Активность и работа на семинарах
*Экзамен

Бонус:
*Устная сдача задач из листков

= Порядок формирования итоговой оценки =

== 2-й модуль ==
Итоговая оценка за 1-2 модули вычисляется по формуле

Oитоговая = min(10; 0,4*Oэкз + 0,22*Oколл + 0,16*Oк/р + 0,16*Oд/з + 0,08*Oсем + 0,08*Oл),

где Oэкз — оценка за экзамен, Oколл — оценка за коллоквиум, Oк/р — оценка за контрольную работу, Oд/з — оценка за большие домашние задания, Oсем — оценка за работу на семинарах и Oл — оценка за сдачу задач из листков.

Все вычисления по указанной формуле используют неокруглённые значения промежуточных оценок. Способ округления итоговой оценки — арифметический.

= Краткое содержание лекций =

'''Лекция 1''' (5.09.2022) [[https://drive.google.com/file/d/12TC_aols6gzchKDBK4cvNT5GqCaNpIG1/view?usp=sharing '''слайды''']]. Матрицы. Равенство матриц. Операции сложения и умножения на скаляр для матриц, свойства этих операций. Пространство R^n, его отождествление с матрицами-столбцами высоты n. Транспонирование матриц, его простейшие свойства. Умножение матриц, примеры.

= Листки с задачами =

Задачи из листков можно сдавать любому семинаристу по данному предмету (в том числе с пилотного потока) в часы его консультаций или по договорённости.

Правила сдачи и оценивания задач из листков:

* каждый пункт в листке считается отдельной задачей
* сдача задачи возможна только при наличии её решения в письменном виде
* результатом сдачи одной задачи может быть 0 или 1

= Индивидуальные домашние задания =

= Лабораторные работы =

= Контрольные работы =

= Коллоквиумы =

= Экзамены =

Формат проведения: письменная работа

Разрешения на экзамене: иметь с собой только ручку и электронное устройство с единственной функцией "калькулятор".

= Ведомости текущего контроля =

= Ссылки =

= Литература =

== Учебники ==

* А.И. Кострикин. Введение в алгебру. Часть I. Основы алгебры. М.: Физматлит, 1994
* А.И. Кострикин. Введение в алгебру. Часть II. Линейная алгебра. М.: Физматлит, 2000
* Э.Б. Винберг. Курс алгебры. М.: Факториал, 1999 (или любое последующее издание)
* А.А. Михалёв, А.В. Михалёв. Начала алгебры. Часть I. М.: Интернет-университет информационных технологий, 2005

== Сборники задач ==

* И.В. Проскуряков. Сборник задач по линейной алгебре (любое издание, например М.: БИНОМ, 2005)
* Сборник задач по алгебре под редакцией А.Н. Кострикина. Новое издание. М.: МЦНМО, 2009
* Г.Д. Ким, Л.В. Крицков. Алгебра и аналитическая геометрия. Теоремы и задачи. Том I. М.: "Планета знаний", 2007

Машинное обучение 1/2023 2024

2021-09-05T21:06:44Z

Sabinadayanova: добавить контакты

== О курсе ==

[[Файл:ML_surfaces.png|280px|borderless|left]]

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

Проводится с 2016 года.

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

Лекции проходят по пятницам, 11:10 - 12:30, в zoom (https://zoom.us/j/98499384799?pwd=OC9GcFd5QlJkZlA5Uk85SHNVTGxSdz09).

=== Полезные ссылки ===

[https://www.hse.ru/ba/ami/courses/450802413.html Карточка курса и программа]

[https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]

[https://www.youtube.com/watch?v=OBG6EUSRC9g&list=PLEqoHzpnmTfDwuwrFHWVHdr1-qJsfqCUX Видеозаписи лекций 18/19 года]

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+<номер группы>@gmail.com (например, hse.cs.ml+171@gmail.com)

Канал в telegram для объявлений: https://t.me/joinchat/G2T6pB1CgF82NTMy

Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/joinchat/NRpKJ09prtRlMTli

Ссылка на курс в Anytask: https://anytask.org/course/??

[https://docs.google.com/spreadsheets/d/1_qMPqgcJZEJaiXZpMbjKM0trw_aGkkulrZG7Lq7kjU8/edit?usp=sharing Таблица с оценками]

Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]

'''Вопросы''' по курсу можно задавать в телеграм лектору (esokolov@) или семинаристу.
Вопросы по материалам лекций/семинаров и по заданиям лучше всего задавать на [https://github.com/esokolov/ml-course-hse/discussions форуме].

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент
|-
| 191 (МОП) || Хрушков Павел Вадимович ||
|-
| 192 (МОП) || [https://www.hse.ru/staff/esokolov Соколов Евгений Андреевич] ||
|-
| 193 (МОП) || [https://www.hse.ru/org/persons/208522505 Садртдинов Ильдус Рустемович] ||
|-
| 194 (АДИС)|| [https://www.hse.ru/staff/atsvigun Цвигун Аким Олегович]|| [https://t.me/khaykingleb Хайкин Глеб]
|-
| 195 (РС) || Каюмов Эмиль Марселевич || [https://t.me/sabinadayanova Сабина Даянова]
|-
| 196 (РС) || Шабалин Александр Михайлович || [https://t.me/ainmukh Айнур Мухамбетова]
|-
| 197 (АПР) || [https://www.hse.ru/org/persons/160961881 Глазкова Екатерина Васильевна] ||
|-
| 198 (ТИ) || [https://www.hse.ru/org/persons/218009880 Ульянкин Филипп] [https://t.me/ppilif @ppilif] || [https://t.me/daviddramb Драмбян Давид]
|-
| 199 (МИ) || [https://www.hse.ru/org/persons/160995848/ Семенкин Антон Александрович] || [https://t.me/fdrose Абрахам Максим]
|-
| 1910 (ПР) || [https://www.hse.ru/org/persons/208488544 Биршерт Алексей Дмитриевич] || [https://t.me/naumovanast Наумова Настя], [https://t.me/horror_in_black Коган Саша]
|-
| ФЭН || [https://www.hse.ru/org/persons/190889495 Зехов Матвей Сергеевич] ||
|-
| Пермь (БИ) || [https://www.hse.ru/org/persons/343120018 Собянин Кирилл Валентинович] ||
|-
| Пермь (ПИ) || [https://www.hse.ru/org/persons/343120018 Собянин Кирилл Валентинович] ||
|}

=== Консультации ===

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров
* Практические домашние работы на Python
* Письменная контрольная работа
* Письменный экзамен

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

Итог = Округление(0.15 * ПР + 0.4 * ДЗ + 0.15 * КР + 0.3 * Э)

ПР — средняя оценка за самостоятельные работы на семинарах

ДЗ — средняя оценка за практические домашние работы на Python

КР — оценка за контрольную работу

Э — оценка за экзамен

Округление арифметическое.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее. Есть исключение: в течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки продолжает вычитаться по одному баллу (если не оговорено иное).

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

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

== Лекции ==

Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!

'''Лекция 1''' (3 сентября). Введение в машинное обучение. Основные термины, постановки задач и примеры применения. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-fall/lecture-notes/lecture01-intro.pdf Конспект]] [[https://youtu.be/HLg4EpeqZP0 Запись лекции]]

== Семинары ==

== Практические задания ==

==Теоретические домашние задания==

Теоретические ДЗ не проверяются, но задачи из них могут войти в проверочные работы на семинарах.

== Соревнования ==

===Правила участия и оценивания===
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.

В лидербордах каждого из соревнований присутствуют несколько базовых решений (бейзлайнов), каждое из которых соответствует определённой оценке. Например, для получения оценки не ниже 8 баллов необходимо, чтобы ваше решение на '''приватном''' лидерборде оказалось лучше соответствующего бейзлайна. Далее для студента, преодолевшего бейзлайн на N_1 баллов, но не преодолевшего бейзлайн на N_2 балла, итоговая оценка за соревнование рассчитывается по равномерной сетке среди всех таких студентов в зависимости от места в приватном лидерборде среди них; если быть точными, то по следующей формуле:

N_2 - (N_2 - N_1) * i / M,

где M — количество студентов (из всех студентов, изучающих курс), преодолевших бейзлайн на N_1 баллов, но не преодолевших бейзлайн на N_2 балла;

i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.

Единственное исключение из формулы — студенты, преодолевшие самый сильный бейзлайн, получают прибавку 1/M к своей оценке.

Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team):

«[ПМИ] Имя Фамилия номер_группы»

В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. При оформлении кода предполагайте, что данные лежат рядом с ним в папке data, а в результате выполнения кода ответы должны быть записаны в файл solution-N-Username.csv, где N — номер соревнования, Username — ваша фамилия. У нас должна быть возможность запустить код и получить те же ответы, что и в вашей посылке, — в частности, это означает, что:

1. Если вы отправляете файл *.py, мы будем запускать его при помощи команды python *.py в вышеуказанном предположении о местонахождении данных.

2. Если вы отправляете ноутбук *.ipynb, мы последовательно запустим все ячейки ноутбука и будем ожидать в результате его работы формирование файла с ответами.

3. Если вы отправляете код с использованием другого языка программирования, в том же письме направьте нам инструкцию по его запуску с тем, чтобы получить тот же файл с ответами.

В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Студенты, попавшие в топ-3 согласно приватному лидерборду, смогут получить бонусные баллы, если в течение недели после окончания соревнования сдадут в anytask отчет о получении решения, фигурирующего в приватном лидерборде. 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.

В некоторых соревнованиях данные взяты из завершившегося соревнования на Kaggle.
Категорически запрещено использовать данные из оригинального соревнования для восстановления целевой переменной на тестовой выборке.

=== Соревнование 1 ===

== Бонусы за соревнования ==

За успешное участие в соревнованиях по анализу данных могут быть выставлены бонусные баллы, которые можно прибавить к оценке за любое практическое или теоретическое домашнее задание, а также за самостоятельную работу. Под успешным участием понимается попадание в топ-10% мест; если соревнование особо сложное и крупное, может рассматриваться и попадание в топ-20% мест. Конкретное число баллов определяется преподавателями и зависит от сложности соревнования и занятого места. За одно соревнование можно получить не более 5 баллов. Для получения оценки необходимо предоставить краткий отчёт о решении задачи.

== Контрольная работа ==

== Экзамен ==

== Полезные материалы ==
===Книги===
* Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.
* Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.

===Курсы по машинному обучению и анализу данных===
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
* [https://openedu.ru/course/hse/INTRML/ Введение в машинное обучение (онлайн-курс НИУ ВШЭ)]

== Страницы предыдущих лет ==

[[Машинное_обучение_1/2020_2021 | 2020/2021 учебный год]]

[[Машинное_обучение_1/2019_2020 | 2019/2020 учебный год]]

[[Машинное_обучение_1/2018_2019 | 2018/2019 учебный год]]

[[Машинное_обучение_1/2017_2018 | 2017/2018 учебный год]]

[[Машинное_обучение_1/2016_2017 | 2016/2017 учебный год]]

Машинное обучение 1/2023 2024

2021-09-05T20:57:59Z

Sabinadayanova: добавить свои контакты (сабина даянова)

== О курсе ==

[[Файл:ML_surfaces.png|280px|borderless|left]]

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

Проводится с 2016 года.

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

Лекции проходят по пятницам, 11:10 - 12:30, в zoom (https://zoom.us/j/98499384799?pwd=OC9GcFd5QlJkZlA5Uk85SHNVTGxSdz09).

=== Полезные ссылки ===

[https://www.hse.ru/ba/ami/courses/450802413.html Карточка курса и программа]

[https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]

[https://www.youtube.com/watch?v=OBG6EUSRC9g&list=PLEqoHzpnmTfDwuwrFHWVHdr1-qJsfqCUX Видеозаписи лекций 18/19 года]

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+<номер группы>@gmail.com (например, hse.cs.ml+171@gmail.com)

Канал в telegram для объявлений: https://t.me/joinchat/G2T6pB1CgF82NTMy

Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/joinchat/NRpKJ09prtRlMTli

Ссылка на курс в Anytask: https://anytask.org/course/??

[https://docs.google.com/spreadsheets/d/1_qMPqgcJZEJaiXZpMbjKM0trw_aGkkulrZG7Lq7kjU8/edit?usp=sharing Таблица с оценками]

Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]

'''Вопросы''' по курсу можно задавать в телеграм лектору (esokolov@) или семинаристу.
Вопросы по материалам лекций/семинаров и по заданиям лучше всего задавать на [https://github.com/esokolov/ml-course-hse/discussions форуме].

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент
|-
| 191 (МОП) || Хрушков Павел Вадимович ||
|-
| 192 (МОП) || [https://www.hse.ru/staff/esokolov Соколов Евгений Андреевич] ||
|-
| 193 (МОП) || [https://www.hse.ru/org/persons/208522505 Садртдинов Ильдус Рустемович] ||
|-
| 194 (АДИС)|| [https://www.hse.ru/staff/atsvigun Цвигун Аким Олегович]|| [https://t.me/khaykingleb Хайкин Глеб]
|-
| 195 (РС) || Каюмов Эмиль Марселевич || [https://t.me/sabinadayanova Сабина Даянова]
|-
| 196 (РС) || Шабалин Александр Михайлович ||
|-
| 197 (АПР) || [https://www.hse.ru/org/persons/160961881 Глазкова Екатерина Васильевна] ||
|-
| 198 (ТИ) || [https://www.hse.ru/org/persons/218009880 Ульянкин Филипп] [https://t.me/ppilif @ppilif] || [https://t.me/daviddramb Драмбян Давид]
|-
| 199 (МИ) || [https://www.hse.ru/org/persons/160995848/ Семенкин Антон Александрович] || [https://t.me/fdrose Абрахам Максим]
|-
| 1910 (ПР) || [https://www.hse.ru/org/persons/208488544 Биршерт Алексей Дмитриевич] || [https://t.me/naumovanast Наумова Настя], [https://t.me/horror_in_black Коган Саша]
|-
| ФЭН || [https://www.hse.ru/org/persons/190889495 Зехов Матвей Сергеевич] ||
|-
| Пермь (БИ) || [https://www.hse.ru/org/persons/343120018 Собянин Кирилл Валентинович] ||
|-
| Пермь (ПИ) || [https://www.hse.ru/org/persons/343120018 Собянин Кирилл Валентинович] ||
|}

=== Консультации ===

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров
* Практические домашние работы на Python
* Письменная контрольная работа
* Письменный экзамен

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

Итог = Округление(0.15 * ПР + 0.4 * ДЗ + 0.15 * КР + 0.3 * Э)

ПР — средняя оценка за самостоятельные работы на семинарах

ДЗ — средняя оценка за практические домашние работы на Python

КР — оценка за контрольную работу

Э — оценка за экзамен

Округление арифметическое.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее. Есть исключение: в течение семестра каждый студент может не более 2 раз сдать задание после жёсткого дедлайна — в этом случае за каждый день просрочки продолжает вычитаться по одному баллу (если не оговорено иное).

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

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

== Лекции ==

Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!

'''Лекция 1''' (3 сентября). Введение в машинное обучение. Основные термины, постановки задач и примеры применения. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-fall/lecture-notes/lecture01-intro.pdf Конспект]] [[https://youtu.be/HLg4EpeqZP0 Запись лекции]]

== Семинары ==

== Практические задания ==

==Теоретические домашние задания==

Теоретические ДЗ не проверяются, но задачи из них могут войти в проверочные работы на семинарах.

== Соревнования ==

===Правила участия и оценивания===
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.

В лидербордах каждого из соревнований присутствуют несколько базовых решений (бейзлайнов), каждое из которых соответствует определённой оценке. Например, для получения оценки не ниже 8 баллов необходимо, чтобы ваше решение на '''приватном''' лидерборде оказалось лучше соответствующего бейзлайна. Далее для студента, преодолевшего бейзлайн на N_1 баллов, но не преодолевшего бейзлайн на N_2 балла, итоговая оценка за соревнование рассчитывается по равномерной сетке среди всех таких студентов в зависимости от места в приватном лидерборде среди них; если быть точными, то по следующей формуле:

N_2 - (N_2 - N_1) * i / M,

где M — количество студентов (из всех студентов, изучающих курс), преодолевших бейзлайн на N_1 баллов, но не преодолевших бейзлайн на N_2 балла;

i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.

Единственное исключение из формулы — студенты, преодолевшие самый сильный бейзлайн, получают прибавку 1/M к своей оценке.

Чтобы вас не пропустили при проверке решений соревнования, '''необходимо''' использовать следующий формат для имени команды (вкладка Team):

«[ПМИ] Имя Фамилия номер_группы»

В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. При оформлении кода предполагайте, что данные лежат рядом с ним в папке data, а в результате выполнения кода ответы должны быть записаны в файл solution-N-Username.csv, где N — номер соревнования, Username — ваша фамилия. У нас должна быть возможность запустить код и получить те же ответы, что и в вашей посылке, — в частности, это означает, что:

1. Если вы отправляете файл *.py, мы будем запускать его при помощи команды python *.py в вышеуказанном предположении о местонахождении данных.

2. Если вы отправляете ноутбук *.ipynb, мы последовательно запустим все ячейки ноутбука и будем ожидать в результате его работы формирование файла с ответами.

3. Если вы отправляете код с использованием другого языка программирования, в том же письме направьте нам инструкцию по его запуску с тем, чтобы получить тот же файл с ответами.

В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Студенты, попавшие в топ-3 согласно приватному лидерборду, смогут получить бонусные баллы, если в течение недели после окончания соревнования сдадут в anytask отчет о получении решения, фигурирующего в приватном лидерборде. 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.

В некоторых соревнованиях данные взяты из завершившегося соревнования на Kaggle.
Категорически запрещено использовать данные из оригинального соревнования для восстановления целевой переменной на тестовой выборке.

=== Соревнование 1 ===

== Бонусы за соревнования ==

За успешное участие в соревнованиях по анализу данных могут быть выставлены бонусные баллы, которые можно прибавить к оценке за любое практическое или теоретическое домашнее задание, а также за самостоятельную работу. Под успешным участием понимается попадание в топ-10% мест; если соревнование особо сложное и крупное, может рассматриваться и попадание в топ-20% мест. Конкретное число баллов определяется преподавателями и зависит от сложности соревнования и занятого места. За одно соревнование можно получить не более 5 баллов. Для получения оценки необходимо предоставить краткий отчёт о решении задачи.

== Контрольная работа ==

== Экзамен ==

== Полезные материалы ==
===Книги===
* Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.
* Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.

===Курсы по машинному обучению и анализу данных===
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
* [https://openedu.ru/course/hse/INTRML/ Введение в машинное обучение (онлайн-курс НИУ ВШЭ)]

== Страницы предыдущих лет ==

[[Машинное_обучение_1/2020_2021 | 2020/2021 учебный год]]

[[Машинное_обучение_1/2019_2020 | 2019/2020 учебный год]]

[[Машинное_обучение_1/2018_2019 | 2018/2019 учебный год]]

[[Машинное_обучение_1/2017_2018 | 2017/2018 учебный год]]

[[Машинное_обучение_1/2016_2017 | 2016/2017 учебный год]]

Линейная алгебра и геометрия на ПМИ 2019/2020 (основной поток)

2019-10-01T14:48:16Z

Sabinadayanova: поставила время консультации

= Преподаватели и учебные ассистенты =

{| class="wikitable" style="text-align:center"
|-
! Группа !! БПМИ193 !! БПМИ195 !! БПМИ196 !! БПМИ197 !! БПМИ198 !! БПМИ199 !! БПМИ1910 !! БПМИ1911 !! БПМИ1912
|-
|| Лектор ||colspan="6"| [http://www.hse.ru/org/persons/112929840 Роман Авдеев]
|-
|| Семинарист || [https://www.hse.ru/org/persons/209508745 Дима Трушин] || [http://www.hse.ru/org/persons/112929840 Роман Авдеев] || [http://www.hse.ru/org/persons/63679989 Сергей Гайфуллин] || [https://t.me/aibrain Айбек Аланов] || [https://www.hse.ru/org/persons/224876117 Антон Шафаревич] || [mailto:dashkomint@gmail.com Дарья Эдуардовна Алексеева] || colspan="2"|[mailto:ssmirnov@higeom.math.msu.su Сергей Смирнов] || [https://www.hse.ru/org/persons/161646591 Станислав Федотов]
|-
|| Ассистент || [https://t.me/sabinadayanova Сабина Даянова] || [https://t.me/mashaashkolnik Мария Школьник] || [https://t.me/s_petrovich2000 Сергей Петрович] || [mailto:vda1999@yandex.ru Дмитрий Воронецкий] || [https://t.me/pishnijdyadya Лев Ходжоян] || [https://t.me/l1tsolaiki Константин Руденский] || [https://t.me/anti_v_ist Артём Цыганов] || Илья Анищенко || [https://t.me/AntonMedvede Антон Медведев]
|}

= Расписание консультаций =

{| class="wikitable"
|-
! !! Преподаватель/ассистент !! понедельник !! вторник !! среда !! четверг !! пятница
|-
| <center>1</center> || Роман Авдеев || || || || 15:40–17:40, ауд. S829 ||
|-
| <center>2</center> || Дима Трушин || || || || 15:10–16:30, ауд. D107 ||
|-
| <center>3</center> || Сергей Гайфуллин || || || ||15:10–16:30, ауд. S913 ||
|-
| <center>4</center> || Айбек Аланов || || || || ||15:10–16:30, ауд. ??
|-
| <center>5</center> || Антон Шафаревич || || || || 16:30–18:00, ауд. G003 ||
|-
| <center>6</center> || Дарья Алексеева || || || || ||
|-
| <center>7</center> || Сергей Смирнов || || || || ||
|-
| <center>8</center> || Станислав Федотов || || || || ||
|-
| <center>9</center> || Сабина Даянова || || 15:10, ауд. R407|| || ||
|-
| <center>10</center> || Мария Школьник || || || || ||
|-
| <center>11</center> || Сергей Петрович || || 15:10, ауд.?? || || ||
|-
| <center>12</center> || Дмитрий Воронецкий || || || || ||
|-
| <center>13</center> || Лев Ходжоян || || || || || 18:00, ауд.??
|-
| <center>14</center> || Константин Руденский || || 15:00, ауд. S324 || || ||
|-
| <center>15</center> || Артём Цыганов || || 16:30, ауд. S324 || || ||
|-
| <center>16</center> || Илья Анищенко || || || || ||
|-
| <center>17</center> || Антон Медведев || || || 13:40–15:00, ауд. D201 || ||
|}

= Формы контроля знаний студентов =

*Коллоквиум
*Контрольная работа
*Большие домашние задания (делящиеся на индивидуальные домашние задания и лабораторные работы)
*Активность и работа на семинарах
*Экзамен

Бонус:
*Устная сдача задач из листков

= Порядок формирования итоговой оценки =
== 2-й модуль ==
Итоговая оценка за 1-2 модули вычисляется по формуле

Oитоговая = min(10; 0,4*Oэкз + 0,22*Oколл + 0,16*Oк/р + 0,16*Oд/з + 0,08*Oсем + 0,08*Oл),

где Oэкз — оценка за экзамен, Oколл — оценка за коллоквиум, Oк/р — оценка за контрольную работу, Oд/з — оценка за большие домашние задания, Oсем — оценка за работу на семинарах и Oл — оценка за сдачу задач из листков.

Все вычисления по указанной формуле используют неокруглённые значения промежуточных оценок. Способ округления итоговой оценки — арифметический.

= Краткое содержание лекций =

'''Лекция 1''' (9.09.2019). Матрицы. Равенство матриц. Операции сложения и умножения на скаляр для матриц, свойства этих операций. Пространство R^n, его отождествление с матрицами-столбцами высоты n. Транспонирование матриц, его простейшие свойства. Умножение матриц, примеры.

'''Лекция 2''' (12.09.2019). Основные свойства умножения матриц. Некоммутативность умножения матриц. Диагонали квадратной матрицы. Диагональные матрицы. Умножение на диагональную матрицу слева и справа. Единичная матрица и её свойства. След квадратной матрицы и его свойства. Системы линейных уравнений. Матричная форма записи системы линейных уравнений. Совместные и несовместные системы.

'''Лекция 3''' (14.09.2019). Расширенная матрицы системы линейных уравнений. Эквивалентные системы. Элементарные преобразования системы линейных уравнений и соответствующие преобразования строк её расширенной матрицы. Сохранение множества решений системы линейных уравнений при элементарных преобразованиях. Ступенчатые матрицы. Улучшенный ступенчатый вид матрицы. Приведение матрицы к ступенчатому виду элементарными преобразованиями строк. Приведение ступенчатой матрицы к улучшенному ступенчатому виду элементарными преобразованиями строк. Реализация элементарных преобразований строк матрицы при помощи умножения слева на подходящую матрицу.

'''Лекция 4''' (19.09.2019). Метод Гаусса решения систем линейных уравнений. Главные и свободные неизвестные. Общее решение системы линейных уравнений. Однородные системы линейных уравнений. Существование ненулевого решения у однородной системы линейных уравнений, в которой число неизвестных больше, чем число уравнений. Связь между множеством решений системы линейных уравнений и множеством решений соответствующей однородной системы. Матричные уравнения вида AX=B и XA = B, общий метод их решения. Определение обратной матрицы. Обратная матрица как решение уравнения AX=E (пока без доказательства). Определение перестановки на множестве {1,2,...,n}.

'''Лекция 5''' (23.09.2019). Инверсии в перестановке. Знак и чётность перестановки. Произведение перестановок. Ассоциативность произведения перестановок. Теорема о знаке произведения перестановок. Тождественная перестановка. Обратная перестановка и её знак. Транспозиции, знак транспозиции. Определитель квадратной матрицы. Определители порядков 2 и 3.

'''Лекция 6''' (26.09.2019). Определитель транспонированной матрицы. Определитель матрицы со строкой (столбцом) нулей. Поведение определителя при умножении строки (столбца) на число и при разложении строки (столбца) в сумму двух строк (столбцов). Определитель матрицы с двумя одинаковыми строками (столбцами). Поведение определителя при прибавлении к строке (столбцу) другой, умноженной на число. Изменение знака определителя при перестановке двух строк (столбцов). Верхнетреугольные и нижнетреугольные матрицы, их определители.

'''Лекция 7''' (30.09.2019). Определитель с углом нулей. Определитель произведения матриц. Дополнительные миноры и алгебраические дополнения к элементам квадратной матрицы. Лемма об определителе матрицы, содержащей ровно один ненулевой элемент в некоторой строке. Разложение определителя по строке (столбцу). Лемма о фальшивом разложении определителя. Обратная матрица, её единственность. Невырожденные матрицы. Определитель обратной матрицы. Присоединённая матрица. Критерий обратимости квадратной матрицы, явная формула для обратной матрицы.

= Листки с задачами =

Задачи из листков можно сдавать любому семинаристу по данному предмету (в том числе с пилотного потока) в часы его консультаций или по договорённости.

Правила сдачи и оценивания задач из листков:

* каждый пункт в листке считается отдельной задачей
* сдача задачи возможна только при наличии её решения в письменном виде
* результатом сдачи одной задачи может быть 0 или 1

[https://www.dropbox.com/s/cj358c0590pa3y3/LA_19-20_Sheet1.pdf?dl=0 '''Листок 1''']. Матричные алгебры Ли

Сроки сдачи листка 1:

задачи принимаются в период с момента выдачи листка по 19 октября включительно

в период с 14 по 19 октября включительно одному студенту разрешается сдать не более шести задач

= Ведомости текущего контроля =

'''Результаты сдачи задач из листков'''

{| class="wikitable" style="text-align:center"
|-
! [https://docs.google.com/spreadsheets/d/1sEz5gDXrPRJ05nQr_W6IBBI8QhTcQ92rBUWeoX-DON0/edit#gid=1697515667 193] !! [https://docs.google.com/spreadsheets/d/1sEz5gDXrPRJ05nQr_W6IBBI8QhTcQ92rBUWeoX-DON0/edit#gid=816668604 195] !! [https://docs.google.com/spreadsheets/d/1sEz5gDXrPRJ05nQr_W6IBBI8QhTcQ92rBUWeoX-DON0/edit#gid=458782119 196] !! [https://docs.google.com/spreadsheets/d/1sEz5gDXrPRJ05nQr_W6IBBI8QhTcQ92rBUWeoX-DON0/edit#gid=1181982027 197] !! [https://docs.google.com/spreadsheets/d/1sEz5gDXrPRJ05nQr_W6IBBI8QhTcQ92rBUWeoX-DON0/edit#gid=2074432488 198] !! [https://docs.google.com/spreadsheets/d/1sEz5gDXrPRJ05nQr_W6IBBI8QhTcQ92rBUWeoX-DON0/edit#gid=1003272547 199] !! [https://docs.google.com/spreadsheets/d/1sEz5gDXrPRJ05nQr_W6IBBI8QhTcQ92rBUWeoX-DON0/edit#gid=875295647 1910] !! [https://docs.google.com/spreadsheets/d/1sEz5gDXrPRJ05nQr_W6IBBI8QhTcQ92rBUWeoX-DON0/edit#gid=379779270 1911] !! [https://docs.google.com/spreadsheets/d/1sEz5gDXrPRJ05nQr_W6IBBI8QhTcQ92rBUWeoX-DON0/edit#gid=1051002935 1912]
|}

= Литература =

== Учебники ==

* А.И. Кострикин. Введение в алгебру. Часть I. Основы алгебры. М.: Физматлит, 1994
* А.И. Кострикин. Введение в алгебру. Часть II. Линейная алгебра. М.: Физматлит, 2000
* Э.Б. Винберг. Курс алгебры. М.: Факториал, 1999 (или любое последующее издание)
* А.А. Михалёв, А.В. Михалёв. Начала алгебры. Часть I. М.: Интернет-университет информационных технологий, 2005

== Сборники задач ==

* И.В. Проскуряков. Сборник задач по линейной алгебре (любое издание, например М.: БИНОМ, 2005)
* Сборник задач по алгебре под редакцией А.Н. Кострикина. Новое издание. М.: МЦНМО, 2009.
* Г.Д. Ким, Л.В. Крицков. Алгебра и аналитическая геометрия. Теоремы и задачи. Том I. М.: "Планета знаний", 2007.

Линейная алгебра и геометрия на ПМИ 2019/2020 (основной поток)

2019-09-10T17:45:59Z

Sabinadayanova: Добавила свои контакты