Wiki - Факультет компьютерных наук - Вклад [ru]

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-25T15:47:01Z

Tipt0p: /* Расписание */

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || понедельник 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || понедельник 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || понедельник 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[https://disk.yandex.ru/d/KSe3umds9kWdFQ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLSfHY_GsmUes2qTqQ9Figm3B7b8RLTxpa3A-zU4CGJjeqYfPMA/viewform форма] 
Рецензии и проверочные можно сдавать '''примерно в течение суток после конца занятия (в нашем случае 18:00 вторника)'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса (когда-то нам понравилась [https://colinraffel.com/blog/role-playing-seminar.html идея] и мы её адаптировали).

Каждую статью теперь разбирает '''группа из двух человек'''. В группе у каждого своя роль мотивированная ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений). Пара студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников.

'''Роли распределены следующим образом:'''

# Первый человек выполняет роль '''докладчика''' – здесь всё очень похоже на НИС 3 курса. Нужно подготовить презентацию с представлением методов и результатов статьи. Дополнительно, стоит уделить внимание оценке статьи, например в конце доклада выделить основные сильные и слабые стороны статьи на ваш взгляд. Время на выступление примерно 20 минут.
# Второй человек выполняет роль либо '''хакера''', либо '''исследователя'''. Роль зависит от статьи, и преподаватель помечает в расписании какая роль ожидается для каждой статьи. Студент при этом может предложить поменять роль, если у него есть аргументы в пользу важности/интересности другой роли. Ниже приводится описание ролей хакера/исследователя с примерами.

'''Хакер''' – работает с кодом, ставит эксперименты по мотивам статьи, или готовит игрушечный пример иллюстрирующий идеи и находки статьи. По результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 15-20 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами если ноутбук выглядит слишком перегруженным для выступления. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. Вот несколько хороших примеров:
* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/01%20-%20Transformers%20for%20Graphs%20(Graphormer)/code.ipynb два]
* иллюстрация того, как работает сложный пайплайн с подробными примерами/пояснениями/лайв-кодингом: [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/04%20-%20VITDet%20Object%20Detection/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb два]
* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb раз] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb два] – проверили работают ли идеи статьи для другой постановки задачи;

'''Исследователь''' – подробно изучает контекст статьи, анализирует как данная работа встраивается в существующую научную реальность (что было до, что случилось после, на какие работы опирается эта статья). Может есть что-то интересное в мета-информации про статью (почему-то интересны авторы, или то на какой конференции какую награду она получила – это интересно скорее в исключительных случаях). Основной посыл: исследователь не цитирует related work и аффилиации авторов, а готовит полезный доклад про область/подобласть. По результатам своей работы готовит презентацию на 15-20 минут. Примеры (слайдов) исследователей сделавших хорошую работу:
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/15%20-%20Minecraft/review_slides.pdf слайды исследователя 1]: рассмотрели и структурировали много подходов к похожей задаче из литературы, в процессе описали чем выделяется (как хорошо так и плохо) текущая статья;
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/10%20-%20LSSL/review_slides.pdf слайды исследователя 2]: подробно рассмотрели важный prior (и post)-work, местами углубились в его детали (как и в прошлом примере - важно сравнение с текущей работой), связали state space модели с neural ode (вообще творчество в роли исследователя).

В течение года каждый студент принимает участие в '''3 выступлениях''' (по одному выступлению в каждой роли + одно выступление в случайной роли). Оценки за все выступления берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним план своего выступления. Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''После выступление.''' Сразу после доклада (а лучше до) нужно прислать презентацию докладчика и ноутбук/презентацию хакера/исследователя в общий чат.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет в форму, ссылка на которую указана в верхней части страницы, примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Предполагается, что студент либо присутствует на занятии и может ответить на вопрос после прослушивания доклада, либо у него есть время на то, чтобы разобрать по статье непонятные моменты, после чего уже написать проверочную.

В течение года студенту нужно написать ответы по половину вопросов (то есть можно выбирать на какие темы писать проверочные, а на какие нет). При этом если студент напишет больше ответов, то в его оценку будут засчитываться максимальные оценки. Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

Проверочные работы студент должен писать строго самостоятельно. Любые подозрения на списывание или совместное написание ответов будут строго караться вплоть до перевода проверочных в формат с написанием во время пары сразу после докладов с ограничением на время написания ответов.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-25T13:36:00Z

Tipt0p: /* Расписание */

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || понедельник 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || понедельник 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || понедельник 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[https://disk.yandex.ru/d/KSe3umds9kWdFQ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLSfHY_GsmUes2qTqQ9Figm3B7b8RLTxpa3A-zU4CGJjeqYfPMA/viewform форма] 
Рецензии и проверочные можно сдавать '''в течение суток после конца занятия (в нашем случае 16:00 вторника)'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса (когда-то нам понравилась [https://colinraffel.com/blog/role-playing-seminar.html идея] и мы её адаптировали).

Каждую статью теперь разбирает '''группа из двух человек'''. В группе у каждого своя роль мотивированная ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений). Пара студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников.

'''Роли распределены следующим образом:'''

# Первый человек выполняет роль '''докладчика''' – здесь всё очень похоже на НИС 3 курса. Нужно подготовить презентацию с представлением методов и результатов статьи. Дополнительно, стоит уделить внимание оценке статьи, например в конце доклада выделить основные сильные и слабые стороны статьи на ваш взгляд. Время на выступление примерно 20 минут.
# Второй человек выполняет роль либо '''хакера''', либо '''исследователя'''. Роль зависит от статьи, и преподаватель помечает в расписании какая роль ожидается для каждой статьи. Студент при этом может предложить поменять роль, если у него есть аргументы в пользу важности/интересности другой роли. Ниже приводится описание ролей хакера/исследователя с примерами.

'''Хакер''' – работает с кодом, ставит эксперименты по мотивам статьи, или готовит игрушечный пример иллюстрирующий идеи и находки статьи. По результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 15-20 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами если ноутбук выглядит слишком перегруженным для выступления. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. Вот несколько хороших примеров:
* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/01%20-%20Transformers%20for%20Graphs%20(Graphormer)/code.ipynb два]
* иллюстрация того, как работает сложный пайплайн с подробными примерами/пояснениями/лайв-кодингом: [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/04%20-%20VITDet%20Object%20Detection/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb два]
* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb раз] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb два] – проверили работают ли идеи статьи для другой постановки задачи;

'''Исследователь''' – подробно изучает контекст статьи, анализирует как данная работа встраивается в существующую научную реальность (что было до, что случилось после, на какие работы опирается эта статья). Может есть что-то интересное в мета-информации про статью (почему-то интересны авторы, или то на какой конференции какую награду она получила – это интересно скорее в исключительных случаях). Основной посыл: исследователь не цитирует related work и аффилиации авторов, а готовит полезный доклад про область/подобласть. По результатам своей работы готовит презентацию на 15-20 минут. Примеры (слайдов) исследователей сделавших хорошую работу:
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/15%20-%20Minecraft/review_slides.pdf слайды исследователя 1]: рассмотрели и структурировали много подходов к похожей задаче из литературы, в процессе описали чем выделяется (как хорошо так и плохо) текущая статья;
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/10%20-%20LSSL/review_slides.pdf слайды исследователя 2]: подробно рассмотрели важный prior (и post)-work, местами углубились в его детали (как и в прошлом примере - важно сравнение с текущей работой), связали state space модели с neural ode (вообще творчество в роли исследователя).

В течение года каждый студент принимает участие в '''3 выступлениях''' (по одному выступлению в каждой роли + одно выступление в случайной роли). Оценки за все выступления берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним план своего выступления. Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''После выступление.''' Сразу после доклада (а лучше до) нужно прислать презентацию докладчика и ноутбук/презентацию хакера/исследователя в общий чат.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет в форму, ссылка на которую указана в верхней части страницы, примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Предполагается, что студент либо присутствует на занятии и может ответить на вопрос после прослушивания доклада, либо у него есть время на то, чтобы разобрать по статье непонятные моменты, после чего уже написать проверочную.

В течение года студенту нужно написать ответы по половину вопросов (то есть можно выбирать на какие темы писать проверочные, а на какие нет). При этом если студент напишет больше ответов, то в его оценку будут засчитываться максимальные оценки. Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

Проверочные работы студент должен писать строго самостоятельно. Любые подозрения на списывание или совместное написание ответов будут строго караться вплоть до перевода проверочных в формат с написанием во время пары сразу после докладов с ограничением на время написания ответов.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-20T13:12:19Z

Tipt0p:

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || понедельник 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || понедельник 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || понедельник 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[https://disk.yandex.ru/d/KSe3umds9kWdFQ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Рецензии и проверочные можно сдавать '''в течение суток после конца занятия (в нашем случае 16:00 вторника)'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса (когда-то нам понравилась [https://colinraffel.com/blog/role-playing-seminar.html идея] и мы её адаптировали).

Каждую статью теперь разбирает '''группа из двух человек'''. В группе у каждого своя роль мотивированная ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений). Пара студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников.

'''Роли распределены следующим образом:'''

# Первый человек выполняет роль '''докладчика''' – здесь всё очень похоже на НИС 3 курса. Нужно подготовить презентацию с представлением методов и результатов статьи. Дополнительно, стоит уделить внимание оценке статьи, например в конце доклада выделить основные сильные и слабые стороны статьи на ваш взгляд. Время на выступление примерно 20 минут.
# Второй человек выполняет роль либо '''хакера''', либо '''исследователя'''. Роль зависит от статьи, и преподаватель помечает в расписании какая роль ожидается для каждой статьи. Студент при этом может предложить поменять роль, если у него есть аргументы в пользу важности/интересности другой роли. Ниже приводится описание ролей хакера/исследователя с примерами.

'''Хакер''' – работает с кодом, ставит эксперименты по мотивам статьи, или готовит игрушечный пример иллюстрирующий идеи и находки статьи. По результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 15-20 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами если ноутбук выглядит слишком перегруженным для выступления. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. Вот несколько хороших примеров:
* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/01%20-%20Transformers%20for%20Graphs%20(Graphormer)/code.ipynb два]
* иллюстрация того, как работает сложный пайплайн с подробными примерами/пояснениями/лайв-кодингом: [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/04%20-%20VITDet%20Object%20Detection/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb два]
* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb раз] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb два] – проверили работают ли идеи статьи для другой постановки задачи;

'''Исследователь''' – подробно изучает контекст статьи, анализирует как данная работа встраивается в существующую научную реальность (что было до, что случилось после, на какие работы опирается эта статья). Может есть что-то интересное в мета-информации про статью (почему-то интересны авторы, или то на какой конференции какую награду она получила – это интересно скорее в исключительных случаях). Основной посыл: исследователь не цитирует related work и аффилиации авторов, а готовит полезный доклад про область/подобласть. По результатам своей работы готовит презентацию на 15-20 минут. Примеры (слайдов) исследователей сделавших хорошую работу:
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/15%20-%20Minecraft/review_slides.pdf слайды исследователя 1]: рассмотрели и структурировали много подходов к похожей задаче из литературы, в процессе описали чем выделяется (как хорошо так и плохо) текущая статья;
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/10%20-%20LSSL/review_slides.pdf слайды исследователя 2]: подробно рассмотрели важный prior (и post)-work, местами углубились в его детали (как и в прошлом примере - важно сравнение с текущей работой), связали state space модели с neural ode (вообще творчество в роли исследователя).

В течение года каждый студент принимает участие в '''3 выступлениях''' (по одному выступлению в каждой роли + одно выступление в случайной роли). Оценки за все выступления берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним план своего выступления. Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''После выступление.''' Сразу после доклада (а лучше до) нужно прислать презентацию докладчика и ноутбук/презентацию хакера/исследователя в общий чат.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет в форму, ссылка на которую указана в верхней части страницы, примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Предполагается, что студент либо присутствует на занятии и может ответить на вопрос после прослушивания доклада, либо у него есть время на то, чтобы разобрать по статье непонятные моменты, после чего уже написать проверочную.

В течение года студенту нужно написать ответы по половину вопросов (то есть можно выбирать на какие темы писать проверочные, а на какие нет). При этом если студент напишет больше ответов, то в его оценку будут засчитываться максимальные оценки. Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

Проверочные работы студент должен писать строго самостоятельно. Любые подозрения на списывание или совместное написание ответов будут строго караться вплоть до перевода проверочных в формат с написанием во время пары сразу после докладов с ограничением на время написания ответов.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-14T13:18:30Z

Tipt0p:

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || понедельник 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || понедельник 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || понедельник 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Рецензии и проверочные можно сдавать '''в течение суток после конца занятия (в нашем случае 16:00 вторника)'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса (когда-то нам понравилась [https://colinraffel.com/blog/role-playing-seminar.html идея] и мы её адаптировали).

Каждую статью теперь разбирает '''группа из двух человек'''. В группе у каждого своя роль мотивированная ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений). Пара студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников.

'''Роли распределены следующим образом:'''

# Первый человек выполняет роль '''докладчика''' – здесь всё очень похоже на НИС 3 курса. Нужно подготовить презентацию с представлением методов и результатов статьи. Дополнительно, стоит уделить внимание оценке статьи, например в конце доклада выделить основные сильные и слабые стороны статьи на ваш взгляд. Время на выступление примерно 20 минут.
# Второй человек выполняет роль либо '''хакера''', либо '''исследователя'''. Роль зависит от статьи, и преподаватель помечает в расписании какая роль ожидается для каждой статьи. Студент при этом может предложить поменять роль, если у него есть аргументы в пользу важности/интересности другой роли. Ниже приводится описание ролей хакера/исследователя с примерами.

'''Хакер''' – работает с кодом, ставит эксперименты по мотивам статьи, или готовит игрушечный пример иллюстрирующий идеи и находки статьи. По результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 15-20 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами если ноутбук выглядит слишком перегруженным для выступления. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. Вот несколько хороших примеров:
* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/01%20-%20Transformers%20for%20Graphs%20(Graphormer)/code.ipynb два]
* иллюстрация того, как работает сложный пайплайн с подробными примерами/пояснениями/лайв-кодингом: [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/04%20-%20VITDet%20Object%20Detection/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb два]
* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb раз] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb два] – проверили работают ли идеи статьи для другой постановки задачи;

'''Исследователь''' – подробно изучает контекст статьи, анализирует как данная работа встраивается в существующую научную реальность (что было до, что случилось после, на какие работы опирается эта статья). Может есть что-то интересное в мета-информации про статью (почему-то интересны авторы, или то на какой конференции какую награду она получила – это интересно скорее в исключительных случаях). Основной посыл: исследователь не цитирует related work и аффилиации авторов, а готовит полезный доклад про область/подобласть. По результатам своей работы готовит презентацию на 15-20 минут. Примеры (слайдов) исследователей сделавших хорошую работу:
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/15%20-%20Minecraft/review_slides.pdf слайды исследователя 1]: рассмотрели и структурировали много подходов к похожей задаче из литературы, в процессе описали чем выделяется (как хорошо так и плохо) текущая статья;
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/10%20-%20LSSL/review_slides.pdf слайды исследователя 2]: подробно рассмотрели важный prior (и post)-work, местами углубились в его детали (как и в прошлом примере - важно сравнение с текущей работой), связали state space модели с neural ode (вообще творчество в роли исследователя).

В течение года каждый студент принимает участие в '''3 выступлениях''' (по одному выступлению в каждой роли + одно выступление в случайной роли). Оценки за все выступления берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним план своего выступления. Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''После выступление.''' Сразу после доклада (а лучше до) нужно прислать презентацию докладчика и ноутбук/презентацию хакера/исследователя в общий чат.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет в форму, ссылка на которую указана в верхней части страницы, примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Предполагается, что студент либо присутствует на занятии и может ответить на вопрос после прослушивания доклада, либо у него есть время на то, чтобы разобрать по статье непонятные моменты, после чего уже написать проверочную.

В течение года студенту нужно написать ответы по половину вопросов (то есть можно выбирать на какие темы писать проверочные, а на какие нет). При этом если студент напишет больше ответов, то в его оценку будут засчитываться максимальные оценки. Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

Проверочные работы студент должен писать строго самостоятельно. Любые подозрения на списывание или совместное написание ответов будут строго караться вплоть до перевода проверочных в формат с написанием во время пары сразу после докладов с ограничением на время написания ответов.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-14T12:41:06Z

Tipt0p: /* Доклады */

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || понедельник 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || понедельник 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || понедельник 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Рецензии и проверочные можно сдавать '''в течение суток после конца занятия (в нашем случае 16:00 вторника)''' - '''время дедлайна пока уточняется'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса (когда-то нам понравилась [https://colinraffel.com/blog/role-playing-seminar.html идея] и мы её адаптировали).

Каждую статью теперь разбирает '''группа из двух человек'''. В группе у каждого своя роль мотивированная ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений). Пара студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников.

'''Роли распределены следующим образом:'''

# Первый человек выполняет роль '''докладчика''' – здесь всё очень похоже на НИС 3 курса. Нужно подготовить презентацию с представлением методов и результатов статьи. Дополнительно, стоит уделить внимание оценке статьи, например в конце доклада выделить основные сильные и слабые стороны статьи на ваш взгляд. Время на выступление примерно 20 минут.
# Второй человек выполняет роль либо '''хакера''', либо '''исследователя'''. Роль зависит от статьи, и преподаватель помечает в расписании какая роль ожидается для каждой статьи. Студент при этом может предложить поменять роль, если у него есть аргументы в пользу важности/интересности другой роли. Ниже приводится описание ролей хакера/исследователя с примерами.

'''Хакер''' – работает с кодом, ставит эксперименты по мотивам статьи, или готовит игрушечный пример иллюстрирующий идеи и находки статьи. По результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 15-20 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами если ноутбук выглядит слишком перегруженным для выступления. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. Вот несколько хороших примеров:
* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/01%20-%20Transformers%20for%20Graphs%20(Graphormer)/code.ipynb два]
* иллюстрация того, как работает сложный пайплайн с подробными примерами/пояснениями/лайв-кодингом: [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/04%20-%20VITDet%20Object%20Detection/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb два]
* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb раз] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb два] – проверили работают ли идеи статьи для другой постановки задачи;

'''Исследователь''' – подробно изучает контекст статьи, анализирует как данная работа встраивается в существующую научную реальность (что было до, что случилось после, на какие работы опирается эта статья). Может есть что-то интересное в мета-информации про статью (почему-то интересны авторы, или то на какой конференции какую награду она получила – это интересно скорее в исключительных случаях). Основной посыл: исследователь не цитирует related work и аффилиации авторов, а готовит полезный доклад про область/подобласть. По результатам своей работы готовит презентацию на 15-20 минут. Примеры (слайдов) исследователей сделавших хорошую работу:
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/15%20-%20Minecraft/review_slides.pdf слайды исследователя 1]: рассмотрели и структурировали много подходов к похожей задаче из литературы, в процессе описали чем выделяется (как хорошо так и плохо) текущая статья;
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/10%20-%20LSSL/review_slides.pdf слайды исследователя 2]: подробно рассмотрели важный prior (и post)-work, местами углубились в его детали (как и в прошлом примере - важно сравнение с текущей работой), связали state space модели с neural ode (вообще творчество в роли исследователя).

В течение года каждый студент принимает участие в '''3 выступлениях''' (по одному выступлению в каждой роли + одно выступление в случайной роли). Оценки за все выступления берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним план своего выступления. Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''После выступление.''' Сразу после доклада (а лучше до) нужно прислать презентацию докладчика и ноутбук/презентацию хакера/исследователя в общий чат.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет в форму, ссылка на которую указана в верхней части страницы, примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Предполагается, что студент либо присутствует на занятии и может ответить на вопрос после прослушивания доклада, либо у него есть время на то, чтобы разобрать по статье непонятные моменты, после чего уже написать проверочную.

В течение года студенту нужно написать ответы по половину вопросов (то есть можно выбирать на какие темы писать проверочные, а на какие нет). При этом если студент напишет больше ответов, то в его оценку будут засчитываться максимальные оценки. Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

Проверочные работы студент должен писать строго самостоятельно. Любые подозрения на списывание или совместное написание ответов будут строго караться вплоть до перевода проверочных в формат с написанием во время пары сразу после докладов с ограничением на время написания ответов.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-14T12:40:28Z

Tipt0p: /* Доклады */

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || понедельник 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || понедельник 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || понедельник 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Рецензии и проверочные можно сдавать '''в течение суток после конца занятия (в нашем случае 16:00 вторника)''' - '''время дедлайна пока уточняется'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса (когда-то нам понравилась [https://colinraffel.com/blog/role-playing-seminar.html идея] и мы её адаптировали).

Каждую статью теперь разбирает '''группа из двух человек'''. В группе у каждого своя роль мотивированная ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений). Пара студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников. '''Роли распределены следующим образом:'''

# Первый человек выполняет роль '''докладчика''' – здесь всё очень похоже на НИС 3 курса. Нужно подготовить презентацию с представлением методов и результатов статьи. Дополнительно, стоит уделить внимание оценке статьи, например в конце доклада выделить основные сильные и слабые стороны статьи на ваш взгляд. Время на выступление примерно 20 минут.
# Второй человек выполняет роль либо '''хакера''', либо '''исследователя'''. Роль зависит от статьи, и преподаватель помечает в расписании какая роль ожидается для каждой статьи. Студент при этом может предложить поменять роль, если у него есть аргументы в пользу важности/интересности другой роли. Ниже приводится описание ролей хакера/исследователя с примерами.

'''Хакер''' – работает с кодом, ставит эксперименты по мотивам статьи, или готовит игрушечный пример иллюстрирующий идеи и находки статьи. По результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 15-20 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами если ноутбук выглядит слишком перегруженным для выступления. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. Вот несколько хороших примеров:
* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/01%20-%20Transformers%20for%20Graphs%20(Graphormer)/code.ipynb два]
* иллюстрация того, как работает сложный пайплайн с подробными примерами/пояснениями/лайв-кодингом: [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/04%20-%20VITDet%20Object%20Detection/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb два]
* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb раз] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb два] – проверили работают ли идеи статьи для другой постановки задачи;

'''Исследователь''' – подробно изучает контекст статьи, анализирует как данная работа встраивается в существующую научную реальность (что было до, что случилось после, на какие работы опирается эта статья). Может есть что-то интересное в мета-информации про статью (почему-то интересны авторы, или то на какой конференции какую награду она получила – это интересно скорее в исключительных случаях). Основной посыл: исследователь не цитирует related work и аффилиации авторов, а готовит полезный доклад про область/подобласть. По результатам своей работы готовит презентацию на 15-20 минут. Примеры (слайдов) исследователей сделавших хорошую работу:
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/15%20-%20Minecraft/review_slides.pdf слайды исследователя 1]: рассмотрели и структурировали много подходов к похожей задаче из литературы, в процессе описали чем выделяется (как хорошо так и плохо) текущая статья;
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/10%20-%20LSSL/review_slides.pdf слайды исследователя 2]: подробно рассмотрели важный prior (и post)-work, местами углубились в его детали (как и в прошлом примере - важно сравнение с текущей работой), связали state space модели с neural ode (вообще творчество в роли исследователя).

В течение года каждый студент принимает участие в 3 выступлениях (по одному выступлению в каждой роли + одно выступление в случайной роли). Оценки за все выступления берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним план своего выступления. Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''После выступление.''' Сразу после доклада (а лучше до) нужно прислать презентацию докладчика и ноутбук/презентацию хакера/исследователя в общий чат.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет в форму, ссылка на которую указана в верхней части страницы, примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Предполагается, что студент либо присутствует на занятии и может ответить на вопрос после прослушивания доклада, либо у него есть время на то, чтобы разобрать по статье непонятные моменты, после чего уже написать проверочную.

В течение года студенту нужно написать ответы по половину вопросов (то есть можно выбирать на какие темы писать проверочные, а на какие нет). При этом если студент напишет больше ответов, то в его оценку будут засчитываться максимальные оценки. Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

Проверочные работы студент должен писать строго самостоятельно. Любые подозрения на списывание или совместное написание ответов будут строго караться вплоть до перевода проверочных в формат с написанием во время пары сразу после докладов с ограничением на время написания ответов.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-14T12:39:54Z

Tipt0p: /* Доклады */

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || понедельник 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || понедельник 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || понедельник 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Рецензии и проверочные можно сдавать '''в течение суток после конца занятия (в нашем случае 16:00 вторника)''' - '''время дедлайна пока уточняется'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса (когда-то нам понравилась [https://colinraffel.com/blog/role-playing-seminar.html идея] и мы её адаптировали).

Каждую статью теперь разбирает '''группа из двух человек'''. В группе у каждого своя роль мотивированная ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений). Пара студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников. '''Роли распределены следующим образом:'''

# Первый человек выполняет роль '''докладчика''' – здесь всё очень похоже на НИС 3 курса. Нужно подготовить презентацию с представлением методов и результатов статьи. Дополнительно, стоит уделить внимание оценке статьи, например в конце доклада выделить основные сильные и слабые стороны статьи на ваш взгляд. Время на выступление примерно 20 минут.
# Второй человек выполняет роль либо '''хакера''', либо '''исследователя'''. Роль зависит от статьи, и преподаватель помечает в расписании какая роль ожидается для каждой статьи. Студент при этом может предложить поменять роль, если у него есть аргументы в пользу важности/интересности другой роли. Ниже приводится описание ролей хакера/исследователя с примерами.

'''Хакер''' – работает с кодом, ставит эксперименты по мотивам статьи, или готовит игрушечный пример иллюстрирующий идеи и находки статьи. По результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 15-20 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами если ноутбук выглядит слишком перегруженным для выступления. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. Вот несколько хороших примеров:
* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/01%20-%20Transformers%20for%20Graphs%20(Graphormer)/code.ipynb два]
* иллюстрация того, как работает сложный пайплайн с подробными примерами/пояснениями/лайв-кодингом: [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/04%20-%20VITDet%20Object%20Detection/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb два]
* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb раз] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb два] – проверили работают ли идеи статьи для другой постановки задачи;

'''Исследователь''' – подробно изучает контекст статьи, анализирует как данная работа встраивается в существующую научную реальность (что было до, что случилось после, на какие работы опирается эта статья). Может есть что-то интересное в мета-информации про статью (почему-то интересны авторы, или то на какой конференции какую награду она получила – это интересно скорее в исключительных случаях). По результатам своей работы готовит презентацию на 15-20 минут. Примеры (слайдов) исследователей сделавших хорошую работу:
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/15%20-%20Minecraft/review_slides.pdf слайды исследователя 1]: рассмотрели и структурировали много подходов к похожей задаче из литературы, в процессе описали чем выделяется (как хорошо так и плохо) текущая статья;
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/10%20-%20LSSL/review_slides.pdf слайды исследователя 2]: подробно рассмотрели важный prior (и post)-work, местами углубились в его детали (как и в прошлом примере - важно сравнение с текущей работой), связали state space модели с neural ode (вообще творчество в роли исследователя).

Основной посыл: исследователь не цитирует related work и аффилиации авторов, а готовит полезный доклад про область/подобласть.

В течение года каждый студент принимает участие в 3 выступлениях (по одному выступлению в каждой роли + одно выступление в случайной роли). Оценки за все выступления берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним план своего выступления. Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''После выступление.''' Сразу после доклада (а лучше до) нужно прислать презентацию докладчика и ноутбук/презентацию хакера/исследователя в общий чат.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет в форму, ссылка на которую указана в верхней части страницы, примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Предполагается, что студент либо присутствует на занятии и может ответить на вопрос после прослушивания доклада, либо у него есть время на то, чтобы разобрать по статье непонятные моменты, после чего уже написать проверочную.

В течение года студенту нужно написать ответы по половину вопросов (то есть можно выбирать на какие темы писать проверочные, а на какие нет). При этом если студент напишет больше ответов, то в его оценку будут засчитываться максимальные оценки. Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

Проверочные работы студент должен писать строго самостоятельно. Любые подозрения на списывание или совместное написание ответов будут строго караться вплоть до перевода проверочных в формат с написанием во время пары сразу после докладов с ограничением на время написания ответов.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-14T12:36:36Z

Tipt0p: /* Расписание */

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || понедельник 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || понедельник 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || понедельник 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Рецензии и проверочные можно сдавать '''в течение суток после конца занятия (в нашем случае 16:00 вторника)''' - '''время дедлайна пока уточняется'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса (когда-то нам понравилась [https://colinraffel.com/blog/role-playing-seminar.html идея] и мы её адаптировали).

Каждую статью теперь разбирает '''группа из двух человек'''. В группе у каждого своя роль мотивированная ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений). Пара студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников.

# Первый человек выполняет роль '''докладчика''' – здесь всё очень похоже на НИС 3 курса. Нужно подготовить презентацию с представлением методов и результатов статьи. Дополнительно, стоит уделить внимание оценке статьи, например в конце доклада выделить основные сильные и слабые стороны статьи на ваш взгляд. Время на выступление примерно 20 минут.
# Второй человек выполняет роль либо '''хакера''', либо '''исследователя'''. Роль зависит от статьи, и преподаватель помечает в расписании какая роль ожидается для каждой статьи. Студент при этом может предложить поменять роль, если у него есть аргументы в пользу важности/интересности другой роли. Ниже приводится описание ролей хакера/исследователя с примерами.

'''Хакер''' – работает с кодом, ставит эксперименты по мотивам статьи, или готовит игрушечный пример иллюстрирующий идеи и находки статьи. По результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 15-20 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами если ноутбук выглядит слишком перегруженным для выступления. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. Вот несколько хороших примеров:
* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/01%20-%20Transformers%20for%20Graphs%20(Graphormer)/code.ipynb два]
* иллюстрация того, как работает сложный пайплайн с подробными примерами/пояснениями/лайв-кодингом: [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/04%20-%20VITDet%20Object%20Detection/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb два]
* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb раз] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb два] – проверили работают ли идеи статьи для другой постановки задачи;

'''Исследователь''' – подробно изучает контекст статьи, анализирует как данная работа встраивается в существующую научную реальность (что было до, что случилось после, на какие работы опирается эта статья). Может есть что-то интересное в мета-информации про статью (почему-то интересны авторы, или то на какой конференции какую награду она получила – это интересно скорее в исключительных случаях). По результатам своей работы готовит презентацию на 15-20 минут. Примеры (слайдов) исследователей сделавших хорошую работу:
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/15%20-%20Minecraft/review_slides.pdf слайды исследователя 1]: рассмотрели и структурировали много подходов к похожей задаче из литературы, в процессе описали чем выделяется (как хорошо так и плохо) текущая статья;
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/10%20-%20LSSL/review_slides.pdf слайды исследователя 2]: подробно рассмотрели важный prior (и post)-work, местами углубились в его детали (как и в прошлом примере - важно сравнение с текущей работой), связали state space модели с neural ode (вообще творчество в роли исследователя).

Основной посыл: исследователь не цитирует related work и аффилиации авторов, а готовит полезный доклад про область/подобласть.

В течение года каждый студент принимает участие в 3 выступлениях (по одному выступлению в каждой роли + одно выступление в случайной роли). Оценки за все выступления берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним план своего выступления. Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''После выступление.''' Сразу после доклада (а лучше до) нужно прислать презентацию докладчика и ноутбук/презентацию хакера/исследователя в общий чат.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет в форму, ссылка на которую указана в верхней части страницы, примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Предполагается, что студент либо присутствует на занятии и может ответить на вопрос после прослушивания доклада, либо у него есть время на то, чтобы разобрать по статье непонятные моменты, после чего уже написать проверочную.

В течение года студенту нужно написать ответы по половину вопросов (то есть можно выбирать на какие темы писать проверочные, а на какие нет). При этом если студент напишет больше ответов, то в его оценку будут засчитываться максимальные оценки. Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

Проверочные работы студент должен писать строго самостоятельно. Любые подозрения на списывание или совместное написание ответов будут строго караться вплоть до перевода проверочных в формат с написанием во время пары сразу после докладов с ограничением на время написания ответов.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-14T12:35:50Z

Tipt0p: /* Доклады */

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Рецензии и проверочные можно сдавать '''в течение суток после конца занятия (в нашем случае 16:00 четверга)''' - '''время дедлайна пока уточняется'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса (когда-то нам понравилась [https://colinraffel.com/blog/role-playing-seminar.html идея] и мы её адаптировали).

Каждую статью теперь разбирает '''группа из двух человек'''. В группе у каждого своя роль мотивированная ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений). Пара студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников.

# Первый человек выполняет роль '''докладчика''' – здесь всё очень похоже на НИС 3 курса. Нужно подготовить презентацию с представлением методов и результатов статьи. Дополнительно, стоит уделить внимание оценке статьи, например в конце доклада выделить основные сильные и слабые стороны статьи на ваш взгляд. Время на выступление примерно 20 минут.
# Второй человек выполняет роль либо '''хакера''', либо '''исследователя'''. Роль зависит от статьи, и преподаватель помечает в расписании какая роль ожидается для каждой статьи. Студент при этом может предложить поменять роль, если у него есть аргументы в пользу важности/интересности другой роли. Ниже приводится описание ролей хакера/исследователя с примерами.

'''Хакер''' – работает с кодом, ставит эксперименты по мотивам статьи, или готовит игрушечный пример иллюстрирующий идеи и находки статьи. По результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 15-20 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами если ноутбук выглядит слишком перегруженным для выступления. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. Вот несколько хороших примеров:
* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/01%20-%20Transformers%20for%20Graphs%20(Graphormer)/code.ipynb два]
* иллюстрация того, как работает сложный пайплайн с подробными примерами/пояснениями/лайв-кодингом: [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/04%20-%20VITDet%20Object%20Detection/code.ipynb раз], [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb два]
* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb раз] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb два] – проверили работают ли идеи статьи для другой постановки задачи;

'''Исследователь''' – подробно изучает контекст статьи, анализирует как данная работа встраивается в существующую научную реальность (что было до, что случилось после, на какие работы опирается эта статья). Может есть что-то интересное в мета-информации про статью (почему-то интересны авторы, или то на какой конференции какую награду она получила – это интересно скорее в исключительных случаях). По результатам своей работы готовит презентацию на 15-20 минут. Примеры (слайдов) исследователей сделавших хорошую работу:
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/15%20-%20Minecraft/review_slides.pdf слайды исследователя 1]: рассмотрели и структурировали много подходов к похожей задаче из литературы, в процессе описали чем выделяется (как хорошо так и плохо) текущая статья;
* [https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/blob/main/4th%20year/%D0%92%D0%B0%D0%BD%D1%8F/10%20-%20LSSL/review_slides.pdf слайды исследователя 2]: подробно рассмотрели важный prior (и post)-work, местами углубились в его детали (как и в прошлом примере - важно сравнение с текущей работой), связали state space модели с neural ode (вообще творчество в роли исследователя).

Основной посыл: исследователь не цитирует related work и аффилиации авторов, а готовит полезный доклад про область/подобласть.

В течение года каждый студент принимает участие в 3 выступлениях (по одному выступлению в каждой роли + одно выступление в случайной роли). Оценки за все выступления берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним план своего выступления. Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''После выступление.''' Сразу после доклада (а лучше до) нужно прислать презентацию докладчика и ноутбук/презентацию хакера/исследователя в общий чат.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет в форму, ссылка на которую указана в верхней части страницы, примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Предполагается, что студент либо присутствует на занятии и может ответить на вопрос после прослушивания доклада, либо у него есть время на то, чтобы разобрать по статье непонятные моменты, после чего уже написать проверочную.

В течение года студенту нужно написать ответы по половину вопросов (то есть можно выбирать на какие темы писать проверочные, а на какие нет). При этом если студент напишет больше ответов, то в его оценку будут засчитываться максимальные оценки. Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

Проверочные работы студент должен писать строго самостоятельно. Любые подозрения на списывание или совместное написание ответов будут строго караться вплоть до перевода проверочных в формат с написанием во время пары сразу после докладов с ограничением на время написания ответов.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-13T16:21:25Z

Tipt0p: /* Доклады */

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Рецензии и проверочные можно сдавать '''в течение суток после конца занятия (в нашем случае 16:00 четверга)''' - '''время дедлайна пока уточняется'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса (когда-то нам понравилась [https://colinraffel.com/blog/role-playing-seminar.html идея] и мы её адаптировали).

Каждую статью теперь разбирает группа из двух человек. В группе у каждого своя роль мотивированная ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений). Пара студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников.

Один человек выполняет роль '''докладчика''' – здесь всё как на НИСе 3 курса. Нужно подготовить презентацию с представлением методов и результатов статьи. Время на выступление примерно 20 минут.

Второй человек обязательно пишет рецензию (помощь с этим есть ниже) и выполняет либо роль хакера, либо исследователя. (Роль зависит от статьи, и её можно увидеть в таблице, также можно переубедить нас если вам кажется что другая роль важнее/интереснее). Ниже описание ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет в форму, ссылка на которую указана в верхней части страницы, примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Предполагается, что студент либо присутствует на занятии и может ответить на вопрос после прослушивания доклада, либо у него есть время на то, чтобы разобрать по статье непонятные моменты, после чего уже написать проверочную.

В течение года студенту нужно написать ответы по половину вопросов (то есть можно выбирать на какие темы писать проверочные, а на какие нет). При этом если студент напишет больше ответов, то в его оценку будут засчитываться максимальные оценки. Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

Проверочные работы студент должен писать строго самостоятельно. Любые подозрения на списывание или совместное написание ответов будут строго караться вплоть до перевода проверочных в формат с написанием во время пары сразу после докладов с ограничением на время написания ответов.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-13T16:00:48Z

Tipt0p:

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Рецензии и проверочные можно сдавать '''в течение суток после конца занятия (в нашем случае 16:00 четверга)''' - '''время дедлайна пока уточняется'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет в форму, ссылка на которую указана в верхней части страницы, примерно в течение суток после занятия (точное время дедлайна указано в верхней части страницы). Предполагается, что студент либо присутствует на занятии и может ответить на вопрос после прослушивания доклада, либо у него есть время на то, чтобы разобрать по статье непонятные моменты, после чего уже написать проверочную.

В течение года студенту нужно написать ответы по половину вопросов (то есть можно выбирать на какие темы писать проверочные, а на какие нет). При этом если студент напишет больше ответов, то в его оценку будут засчитываться максимальные оценки. Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

Проверочные работы студент должен писать строго самостоятельно. Любые подозрения на списывание или совместное написание ответов будут строго караться вплоть до перевода проверочных в формат с написанием во время пары сразу после докладов с ограничением на время написания ответов.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-13T15:34:11Z

Tipt0p: /* Расписание */

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Рецензии и проверочные нужно сдавать до 18:00 следующего после выступления дня (в нашем случае 18:00 четверга). '''время дедлайна уточняется'''

Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 четверга). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет '''до 18:00 следующего после занятия дня (время дедлайна уточняется)''' в форму, на которую находится в верхней части страницы. В течение года студенту нужно написать проверочные по 50% тем (то есть можно выбирать на какие темы писать проверочные, а на какие нет). Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-13T15:32:13Z

Tipt0p: /* Проверочные работы */

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 четверга). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
После каждого занятия студентам будет выдаваться небольшая проверочная работа, содержащая по одному вопросу на каждый доклад. Сдавать написанные ответы можно будет '''до 18:00 следующего после занятия дня (время дедлайна уточняется)''' в форму, на которую находится в верхней части страницы. В течение года студенту нужно написать проверочные по 50% тем (то есть можно выбирать на какие темы писать проверочные, а на какие нет). Итоговая оценка за проверочные работы будет рассчитываться как сумма максимальных N/2 оценок, где N это общее число докладов на НИСе за год.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

Wiki ФКН

2023-09-13T15:08:45Z

Tipt0p: /* Курсы за 2023/24 учебный год */

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2023/24 учебный год ==

{| class="wikitable courses"
|-

! width="21%" | 1 курс !! width="21%" | 2 курс !! width="21%" | 3 курс !! width="21%" | 4 курс !! rowspan="2" | майноры и факультативы
|-
| colspan="4" style="text-align: center;" | '''ПМИ'''
|-
|
'''М+'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2023/2024_(пилотный_поток) | Линейная алгебра и геометрия (пилотный поток)]]

[[Математический_анализ_1_2023/24_(пилотный_поток) | Математический анализ-1 (пилотный поток)]]

[[Дискретная математика на ПМИ 2023/24 (пилотный поток) | Дискретная математика (пилотный поток)]]

[[Алгебра_на_ПМИ_2023/2024_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Теория чисел (пилотный поток) 2023/24 | Теория чисел (пилотный поток)]]

'''М'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2023/2024_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

[[Математический_анализ_1_2023/24_(основной_поток) | Математический анализ-1 (основной поток)]]

[[DM1PMIbase-2023-24 | Дискретная математика (ПМИ основной поток)]]

[[DM1EAD-2023-24 | Дискретная математика (ЭАД)]]

[[Алгебра_на_ПМИ_2023/2024_(основной_поток) | Алгебра (основной поток)]]

[[Теория чисел (основной поток) 2023/24 | Теория чисел (основной поток)]]

'''П+'''

[[Алгоритмы_и_структуры_данных_пилотный_поток_2023/24 | Алгоритмы и структуры данных (пилотный поток)]]

'''П'''

[[Язык программирования Python 2023/24 (основной поток) ]]

[[Алгоритмы и структуры данных 1 (основной поток) (4 модуль) 2023/2024]]

||
'''М+'''

[[Математическая_статистика_2023/24_(пилотный_поток)| Математическая статистика (пилотный поток)]]

[[Теория_вероятностей_2023/24_(пилотный_поток)| Теория вероятностей (пилотный поток)]]

[[Математический Анализ 2 на ПМИ 2023/24 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

'''М'''

[[Математическая_статистика_2023/24_(основной_поток)| Математическая статистика (основной поток)]]

[[Теория_вероятностей_2023/24_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_анализ_-_2_(2023/24) | Математический анализ - 2 (основной поток)]]

'''П+ и П'''

[[CAOS-2023/24 | Архитектура компьютеров и операционные системы]]

[[Алгоритмы_и_структуры_данных_2_2023/24 | Алгоритмы и структуры данных - 2 ]]

[[Инструменты_промышленной_разработки_2023/24 | Инструменты промышленной разработки 2022/2023 ]]

'''1 из 3:'''

[[Язык_программирования_C%2B%2B_(углубленный_курс)_2023/24 | Язык программирования C++ (углубленный курс)]]

[[Продвинутый_Python_2023/24 | Продвинутый Python ]]

[[Язык программирования Rust 2023/24]]

'''2 из 5:'''

[[Дискретная математика - 2 (ПМИ) 2023/24]]

[[Дифференциальные уравнения (ПМИ) 2023/24]]

[[Основы матричных вычислений 2023/24]]

[[Комплексный анализ 2023/24]]

[[Функциональный анализ 2023/24]]

||

[[Машинное_обучение_1 | Машинное обучение 1]] 

[[Компьютерные сети 2023/24]]

[[Operation Research and Game Theory]]

[[ Statistical learning theory 2023/24 | Statistical Learning Theory]]

[[ Функциональное_программирование_23-24 | Функциональное программирование ]]

[[ Основы_тензорных_вычислений_(2023/24) | Основы тензорных вычислений ]]

[[Глубинное обучение 1 23/24 | Введение в глубинное обучение 23/24]]

[[Математическое моделирование 2023/24]]

[[Моделирование временных рядов 2023/24]]

[[Теория_чисел_и_криптография 2023/24 | Теория чисел и криптография]]

[[Методы_оптимизации_23/24 | Методы оптимизации]]

[[Уравнения с частными производными (2023-2024)]]

'''ПМИ / МОП'''

[[Машинное_обучение_2 | Машинное обучение 2]] 

[[Прикладная_статистика_в_машинном_обучении_23/24 | Прикладная статистика в машинном обучении 23/24]]

[[НИС_Машинное_обучение_и_приложения_3_курс_2023/2024 | НИС Машинное обучение и приложения 3 курс]]

[[Глубинное обучение 1 23/24]]

[[Методы оптимизации в машинном обучении 2023/24]]

'''ПМИ / РС'''

[[Distributed_Systems_2023 | Распределенные системы]]

[https://osukhoroslov-hse.notion.site/2da6d9d4dc5944e59414daea40376d96 НИС Распределенные системы]

[[Database Systems 2023/24]]

'''ПМИ / ТИ'''

[[Theory of Computation 2023 | Theory of Computation]]

[[ NIS-TCS-23-24 | НИС Теоретическая информатика ]]

[[KKTI-23-24 | Комбинаторные конструкции в теоретической информатике]]

||

[ ВКР]

[[ Случайные_процессы_(зима_2024) | Случайные процессы (зима 2023)]]

[[ Функциональное_программирование_23-24 | Функциональное программирование ]]

[[ Haskell_23/24 | Промышленное программирование на Haskell ]]

[[ Основы_тензорных_вычислений_(2023/2024) | Основы тензорных вычислений ]]

[[ Глубинное_обучение_в_обработке_звука_23/24 | Глубинное обучение в обработке звука ]]

[[ Глубинное обучение для текстовых данных 23/24 | Глубинное обучение для текстовых данных ]]

[[ Методы_предобучения_без_учителя_23/24 | Методы предобучения без учителя ]]

[[ Символьные_вычисления_23/24 | Символьные вычисления ]]

[[Эффективные системы глубинного обучения 23/24|Эффективные системы глубинного обучения]]

[[Теория_и_практика_онлайн-экспериментов_23/24 | Теория и практика онлайн-экспериментов]]

[[Децентрализованные_системы 2023/24| Децентрализованные системы ]]

[[Введение_в_дифференциальную_геометрию_23/24 | Введение в дифференциальную геометрию ]]

'''ПМИ / МОП'''

[[НИС_Машинное_обучение_и_приложения_4_курс_2023/2024 | НИС Машинное обучение и приложения 4 курс]]

[[Глубинное_обучение_2023/24 | Глубинное обучение]]

[[Глубинное_обучение_в_анализе_графовых_данных_23/24 | Глубинное обучение в анализе графовых данных]]

[[LSML_2023/2024 | Машинное обучение для больших данных]]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/2-013e88a10c204059bff194f838de4ef5?pvs=4 НИС Распределенные системы 2]

'''ПМИ / ТИ'''

[[A_Theorist's_Toolkit_2023_2024 | A Theorist's Toolkit, AMI]]

[[OWF2023 | Односторонние функции и их применения]]

[[InfTheory2023 | Теория информации]]

[[ NIS-TCS-23-24 | НИС Теоретическая информатика ]]

| rowspan="7" |


[[Майнор_Биоинформатика_1_год_2023/24|Биоинформатика 1 год 2023/24]]

[[Майнор_Биоинформатика_2_год_2023/24|Биоинформатика 2 год 2023/24]]

|-
| colspan="4" style="text-align: center;" | '''ПИ'''
|-
|

[[Дискретная математика 2023-2024 | Дискретная математика ]]

[[Алгебра ПИ 2023-2024 | Алгебра]]

[[Математический анализ 2023-2024 | Математический анализ]]

||

[[Алгоритмы_и_структуры_данных_на_ПИ_2023/2024 | Алгоритмы и структуры данных на ПИ]]

[[Теория вероятностей и математическая статистика 2023-2024 | Теория вероятностей и математическая статистика]]

[[НИС_Методы_и_алгоритмы_защиты_информации_2023/2024 | НИС Методы и алгоритмы защиты информации ]]

||

[[ SPA_2023/24 |Принципы статического анализа исходного кода ]]

|-
| colspan="4" style="text-align: center;" | '''ПАД'''
|-
|

[[DSBA_Algebra_2023_2024 | Algebra (DSBA)]]

[[Calculus DSBA 2023/2024 | Calculus (DSBA)]]

[[English_DSBA_2023/2024 | English (DSBA)]]

[[LAaG DSBA 2023/2024 | LAaG (DSBA)]]

[[Discrete Mathematics DSBA 2023/2024 | Discrete Mathematics (DSBA)]]

[[Python Programming DSBA 2023/24 | Python Programming (DSBA)]]

[[C++ Programming Language DSBA 2023/24 | C++ Programming Language (DSBA)]]

[[Foundations_of_Law_DSBA_2023/24 | Foundations of Law (DSBA)]]

[[Introduction to Economics DSBA 2023/24]]

||

[[Discrete Mathematics 2 DSBA 2023/24 | Discrete Mathematics 2 (DSBA)]]

[[Calculus-2 2023/24]]

[[Algorithms and Data Structures DSBA 2023/24 | Algorithms and Data Structures]]

[[Probability and Statistics (DSBA) 2023/24]]

[[Introduction to Micro and Macroeconomics DSBA 2022/2023]]

[[Differential Equations 2023/24]]

[[ACOS_DSBA_2023/24 | Computer Architecture and Operating Systems]]

||

[[tssp-2023-24 | Time series and stochastic processes 2023-24]]

[ Elements of Econometrics]

[[BAFE-2023-24 | Business Analytics and Financial Engineering 2023-2024]]

[[Machine learning 1 DSBA 2023/2024]]

[[Databases 2023/24]]

[[Optimisation methods 2023/24]]

[[ MACE1_DSBA_23-24 | Research Seminar "Mathematical and Computational Engineering in Science and Business 1"]]

[[ DAF1_DSBA_23-24 | Research Seminar "Data Analysis in Finance 1"]]

||

[[ Statistics4MR-2023-24 | Statistics for Market Research 2023-24]]

[[ Strategy_23-24_DSBA | Decision Making Strategy 2023-2024]]

[[ APFM_23-24 | Asset Pricing and Financial Markets 2023-2024]]

[[ CMC_DSBA_23-24 | Core management concepts ]]

[[Machine learning 2 DSBA 2023/2024]]

[[ MACE2_DSBA_23-24 | Research Seminar "Mathematical and Computational Engineering in Science and Business 2"]]

[[ DAF2_DSBA_23-24 | Research Seminar "Data Analysis in Finance 2"]]

[[ DANS_DSBA_23-24 | Research Seminar "Data Analysis in the Natural Sciences" ]]

[[Risk-Management_DSBA_23-24 | Research Seminar "Risk-Management" ]]

[[Quantitative finance DSBA 2023/24]]

|-
| colspan="4" style="text-align: center;" | '''КНАД'''
|-
|

[[Дискретная математика КНАД 23/24]]

[[Математический анализ КНАД 23/24]]

[[Линейная алгебра КНАД 23/24]]

[[Программирование на Python КНАД 23/24]]

[[Алгоритмы и структуры данных - 1 2023/2024 2 модуль (ЭАД КНАД ВСН)]]

[[Алгоритмы и структуры данных - 1 2023/2024 4 модуль (ЭАД КНАД ВСН)]]

[[Python для сбора и анализа данных КНАД 23/24]]

[[Программирование на С++ КНАД 23/24]]

[[ИПР_КНАД_23/24 | Инструменты промышленной разработки]]

||

[[Алгебра КНАД 2023/2024 | Алгебра]]

[[Математический_анализ -- 2 (2023/24) | Математический анализ -- 2]]

[[Алгоритмы_и_структуры_данных_2_КНАД 23/24 | Алгоритмы и структуры данных 2]]

[[Теория_вероятностей_КНАД 23/24 | Теория вероятностей ]]

[[ACOS_COMPDS_2023/2024 | Архитектура Компьютера и Операционные Системы]]

[[Математическая_статистика_КНАД_23/24 | Математическая статистика]]

[[Численные_методы_КНАД_23/24 | Численные методы]]

||

||

|}

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

{| class="wikitable"
|-
! Осенний семестр !! Весенний семестр
|-
|
[[Основы Python для юристов 2023-24|Основы Python для юристов 23/24]] (2 курс, 1 модуль)

[[Цифровая_грамотность_(2023)_Журналистика|Цифровая грамотность для журналистов]] (1 курс, 1-2 модуль)

[[Цифровая_грамотность_(2023)_Медиакоммуникации|Цифровая грамотность для медиакоммуникаций]] (1 курс, 1-2 модуль)
|
|}

== Курсы магистратуры ФКН ==
{| class="wikitable"
|-
| [[ NIS-TCS-23-24 | НИС Теоретическая информатика ]] || СКН
|-
| [[RecSys_2023 | Рекомендательные системы]] || ФТИАД || 2 year
|-
| [[MOTV_2023 | Mathematical foundations of probability theory]] || Math of Machine Learning, MML || 1 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[econ_metrics_2023-24|Эконометрика ип 2023-24]] || фэн, 3 курс || 1-4 модуль
|-
| [[Econ_probability_2023-24|Теория вероятностей и математическая статистика 2023-24]] || фэн, 2 курс || 1-4 модуль
|-
| [[dse_2023-24|Data Science for Economists, fall 2023]] || icef, 3-4 year || 1-2 modules
|-
|
|}

= Архив =

== Курсы за 2022/23 учебный год ==

{| class="wikitable courses"
|-

! width="21%" | 1 курс !! width="21%" | 2 курс !! width="21%" | 3 курс !! width="21%" | 4 курс !! rowspan="2" | майноры и факультативы
|-
| colspan="4" style="text-align: center;" | '''ПМИ'''
|-
|
[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(пилотный_поток) | Линейная алгебра и геометрия (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

[[Алгебра_на_ПМИ_2022/2023_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2022/2023_(основной_поток) | Алгебра (основной поток)]]

[[Математический_анализ_1_2022/2023_(основной_поток) | Математический анализ-1 (основной поток)]]

[[Математический_анализ_1_2022/2023_(пилотный_поток) | Математический анализ-1 (пилотный поток)]]

[[DM1base-2022-23 | Дискретная математика (ПМИ основной поток + ЭАД)]]

[[Дискретная математика на ПМИ 2022/23 (пилотный поток)]]

[[Язык программирования Python 2022/2023 (основной поток) ]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2022/2023 | Алгоритмы и структуры данных (пилотный поток)]]

[[Теория чисел (пилотный поток) 2022/23 | Теория чисел (пилотный поток)]]

[[Теория чисел (основной поток) 2022/23 | Теория чисел (основной поток)]]

[[Алгоритмы_и_структуры_данных_1_(основной_поток)_(4_модуль) | Алгоритмы и структуры данных 1 (основной поток) (4 модуль) 2022/2023]]

||

[[Математическая_статистика_2022/2023_(пилотный_поток)| Математическая статистика (пилотный поток)]]

[[Математическая_статистика_2022/2023_(основной_поток)| Математическая статистика (основной поток)]]

[[Теория_вероятностей_2022/2023_(пилотный_поток)| Теория вероятностей (пилотный поток)]]

[[Теория_вероятностей_2022/2023_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_Анализ_2_на_ПМИ_2022/2023_(пилотный_поток) | Математический анализ - 2 (пилотный поток)]]

[[Математический_анализ_-_2_(2022/23) | Математический анализ - 2 (основной поток)]]

[[Язык_программирования_C%2B%2B_(углубленный_курс)_2022 | Язык программирования C++ (углубленный курс)]]

[[Математическая_логика_ПМИ_22/23 | Математическая логика ]]

[[Продвинутый_Python_2022/2023 | Продвинутый Python ]]

[[Алгоритмы_и_структуры_данных_2_2022/2023 | Алгоритмы и структуры данных - 2 ]]

[[Инструменты_промышленной_разработки_2022/2023 | Инструменты промышленной разработки 2022/2023 ]]

[[CAOS-2022 | Архитектура компьютеров и операционные системы]]

[[Дифференциальные уравнения (ПМИ) 2022/23]]

[[Основы_матричных_вычислений_2022/2023 | Основы матричных вычислений ]]

||

[[Машинное_обучение_1/2022_2023 | Машинное обучение 1]]

[[Компьютерные_сети_2022/2023 | Компьютерные сети 2022/2023]]

[[ Operation Research and Game Theory | Operation Research and Game Theory]]

[[ Statistical learning theory 2022 | Statistical Learning Theory]]

[[ Функциональное_программирование_22-23 | Функциональное программирование ]]

[[ Основы_тензорных_вычислений_(2022/2023) | Основы тензорных вычислений ]]

[[Глубинное обучение 1 22/23 | Введение в глубинное обучение 22/23]]

[[Математическое_моделирование_2022 | Математическое моделирование 2022]]

[[time_series_modelling_22_23 | Моделирование временных рядов 22/23]]

[[Теория_чисел_и_криптография | Теория чисел и криптография]]

[[Методы_оптимизации_22/23 | Методы оптимизации]]

[[Уравнения с частными производными (2022-2023)|Уравнения с частными производными (2022-2023)]]

'''ПМИ / МОП'''

[[Машинное_обучение_2 | Машинное обучение 2]]

[[Прикладная_статистика_в_машинном_обучении_22/23 | Прикладная статистика в машинном обучении 22/23]]

[[НИС_Машинное_обучение_и_приложения_3_курс_2022/2023 | НИС Машинное обучение и приложения 3 курс]]

[[Глубинное обучение 1 22/23 | Глубинное обучение 1 22/23]]

[[Методы оптимизации в машинном обучении 2023]]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/a35a6a40088b44a7a9e374727a0f2548 Распределенные системы]

[https://osukhoroslov-hse.notion.site/dbce4f5101ed47dca0b363122f139aac НИС Распределенные системы]

[[Database Systems 2023]]

'''ПМИ / ТИ'''

[[Theory of Computation 2022 | Theory of Computation]]

[[ NIS-TCS-22-23 | НИС Теоретическая информатика ]]

[[KKTI-22-23 | Комбинаторные конструкции в теоретической информатике]]

||

[https://www.notion.so/2022-2023-12475421ada6400c8bd5bf24a2a30c01 ВКР]

[[ Случайные_процессы_(зима_2023) | Случайные процессы (зима 2023)]]

[[ Функциональное_программирование_22-23 | Функциональное программирование ]]

[[ Haskell_23 | Промышленное программирование на Haskell ]]

[[ Основы_тензорных_вычислений_(2022/2023) | Основы тензорных вычислений ]]

[[ Глубинное_обучение_в_обработке_звука_22/23 | Глубинное обучение в обработке звука ]]

[[ Методы_предобучения_без_учителя_22/23 | Методы предобучения без учителя ]]

[[ Символьные_вычисления_22/23 | Символьные вычисления ]]

[[Эффективные системы глубинного обучения 22/23|Эффективные системы глубинного обучения]]

[[Теория_и_практика_онлайн-экспериментов_22/23 | Теория и практика онлайн-экспериментов]]

[[Децентрализованные_системы | Децентрализованные системы ]]

[[Введение_в_дифференциальную_геометрию_22/23 | Введение в дифференциальную геометрию ]]

'''ПМИ / МОП'''

[[НИС_Машинное_обучение_и_приложения_4_курс_2022/2023 | НИС Машинное обучение и приложения 4 курс]]

[[Глубинное_обучение_2022 | Глубинное обучение]]

[[Глубинное_обучение_в_анализе_графовых_данных_22/23 | Глубинное обучение в анализе графовых данных]]

[[LSML_2022/2023 | Машинное обучение для больших данных]]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/2-b1c2d4487ac8478f89cd4fa427da3e27 НИС Распределенные системы]

'''ПМИ / ТИ'''

[[A_Theorist's_Toolkit_2022_2023 | A Theorist's Toolkit, AMI]]

[[OWF2022 | Односторонние функции и их применения]]

[[InfTheory2022 | Теория информации]]

[[ NIS-TCS-22-23 | НИС Теоретическая информатика ]]

| rowspan="7" |

[[Дополнительные_главы_теории_чисел|Дополнительные главы теории чисел]]

[[Дополнительные_главы_теории_вероятностей_2023|ДГТВ]]

[[Теория_вычислений_2023|Теория вычислений]]

[[Случайные_графы_2022 | Случайные графы]]

[[Майнор_Биоинформатика_1_год_2022/23 | Биоинформатика 1 год 2022/23]]

[[Майнор Биоинформатика 2 год 2022/23 | Биоинформатика 2 год]]

[[Основы_машинного_обучения | Основы машинного обучения (майнор ИАД)]]

[[Основы_глубинного_обучения | Основы глубинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных | Прикладные задачи анализа данных (майнор ИАД)]]

[[Введение_в_программирование_22/23_(майнор_ИАД) | Введение в программирование 22/23 (майнор ИАД)]]

[[Базы данных 22/23 (майнор ИАД)| Базы данных 22/23 (майнор ИАД)]]

[[Adaptation course in Discrete Math (факультатив)]]

[[Уравнения с частными производными (2022-2023)|Уравнения с частными производными (2022-2023)]]

|-
| colspan="4" style="text-align: center;" | '''ПИ'''
|-
|

[[Дискретная математика 2022-2023 | Дискретная математика ]]

[[Алгебра ПИ 2022-2023 | Алгебра]]

[[Математический анализ 2022-2023 | Математический анализ]]

||

[[Алгоритмы_и_структуры_данных_на_ПИ_2022/2023 | Алгоритмы и структуры данных на ПИ]]

[[Теория вероятностей и математическая статистика 2022-2023 | Теория вероятностей и математическая статистика]]

[[НИС_Методы_и_алгоритмы_защиты_информации_2022/2023 | НИС Методы и алгоритмы защиты информации ]]

||

[[ SPA_2022 |Принципы статического анализа исходного кода ]]

|-
| colspan="4" style="text-align: center;" | '''ПАД'''
|-
|

[[DSBA_Algebra_2022_2023 | Algebra (DSBA)]]

[[Calculus DSBA 2022/2023 | Calculus (DSBA)]]

[[English_DSBA_2022/2023 | English DSBA (DSBA)]]

[[LAaG DSBA 2022/2023 | LAaG (DSBA)]]

[[Discrete Mathematics DSBA 2022/2023 | Discrete Mathematics (DSBA)]]

[[Introduction to Programming DSBA 2022/2023 | Introduction to Programming on Python (DSBA)]]

[[Introduction to Programming 2 DSBA 2022/2023 | Introduction to Programming on C++ (DSBA)]]

[[Foundations_of_Law_DSBA_2022/2023 | Foundations of Law (DSBA)]]

[[Introduction to Economics DSBA 2022/2023]]

||

[[Discrete Mathematics 2 DSBA 2022/2023 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_22/23 | Business and Management in Global Context 22/23]]

[[Calculus-2]]

[[Algorithms and Data Structures DSBA 2022/2023 | Algorithms and Data Structures]]

[[Probability and Statistics (DSBA)]]

[[Introduction to Micro and Macroeconomics DSBA 2022/2023]]

[[Differential_Equations_2023 | Differential Equations ]]

[[ACOS_DSBA_2022/2023 | Computer Architecture and Operating Systems]]

||

[[tssp-2022-23 | Time series and stochastic processes 2022-23]]

[https://github.com/xenakas/dsba_ecm_2022 Elements of Econometrics]

[[BAFE-2022-23 | Business Analytics and Financial Engineering 2022-2023]]

[[Machine learning 1 DSBA 2022/2023]]

[[Databases]]

[[Optimisation methods]]

[[ MACE1_DSBA_22-23 | Research Seminar "Mathematical and Computational Engineering in Science and Business 1"]]

[[ DAF1_DSBA_22-23 | Research Seminar "Data Analysis in Finance 1"]]

||

[[ Statistics4MR-2022-23 | Statistics for Market Research 2022-23]]

[[ Strategy_22-23_DSBA | Decision Making Strategy 2022-2023]]

[[ APFM_22-23 | Asset Pricing and Financial Markets 2022-2023]]

[[ CMC_DSBA_22-23 | Core management concepts ]]

[[Machine learning 2 DSBA 2022/2023]]

[[ MACE2_DSBA_22-23 | Research Seminar "Mathematical and Computational Engineering in Science and Business 2"]]

[[ DAF2_DSBA_22-23 | Research Seminar "Data Analysis in Finance 2"]]

[[ DANS_DSBA_22-23 | Research Seminar "Data Analysis in the Natural Sciences" ]]

[[Risk-Management_DSBA_22-23 | Research Seminar "Risk-Management" ]]

[[Quantitative finance DSBA]]

|-
| colspan="4" style="text-align: center;" | '''КНАД'''
|-
|

[[Дискретная_математика_КНАД 22/23| Дискретная математика (КНАД) ]]

[[Математический_анализ_КНАД 22/23| Математический анализ (КНАД) ]]

[[Линейная_алгебра_КНАД 22/23| Линейная алгебра (КНАД) ]]

[[Программирование_на_Python_КНАД 22/23| Программирование на Python (КНАД) ]]

[[Алгоритмы и структуры данных - 1 2022/2023 2 модуль (ЭАД КНАД ВСН) | Алгоритмы и структуры данных 2022/2023 2 модуль (ЭАД КНАД ВСН)]]

[[Алгоритмы и структуры данных - 1 2022/2023 4 модуль (ЭАД КНАД ВСН) | Алгоритмы и структуры данных 2022/2023 4 модуль (ЭАД КНАД ВСН)]]

[[Python_для_сбора_и_анализа_данных_КНАД_22/23 | Python для сбора и анализа данных (КНАД)]]

[[Программирование_на_С++_КНАД_22/23 | Программирование на С++]]

[[ИПР_КНАД_23 | Инструменты промышленной разработки]]

||

[[Алгебра КНАД 2022/2023 | Алгебра]]

[[Математический_анализ -- 2 (2022/23) | Математический анализ -- 2]]

[[Алгоритмы_и_структуры_данных_2_КНАД 22/23 | Алгоритмы и структуры данных 2]]

[[Теория_вероятностей_КНАД 22/23 | Теория вероятностей ]]

[[ACOS_COMPDS_2022/2023 | Архитектура Компьютера и Операционные Системы]]

[[Математическая_статистика_КНАД_22/23 | Математическая статистика]]

[[Численные_методы_КНАД_22/23 | Численные методы]]

||

||

|}

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

{| class="wikitable"
|-
! Осенний семестр !! Весенний семестр

|-
|
[[Цифровая грамотность для международных отношений 22/23]] (1 курс, 1-2 модуль)

[[Основы анализа данных в международных отношениях 22/23]] (2 курс, 1-2 модуль)

[[Основы программирования на Python осень 2022 матфак]] (2-4 курс бакалавриата или 1-2 курс магистратуры, 1-2 модуль)

[[Анализ данных 2022 (ОП "Журналистика" и "Медиакоммуникации") | Анализ данных]] (2 курс, 1-2 модуль)

[[Машинное обучение (ФЭН) - 2022-2023]] (3,4 курс, 1-2 модули)
|
[[Прикладное программное обеспечение (основы Python) для социологии 2022/23]] (1 курс, 3 модуль)

[[Программирование на языке Python для ГосМунУпр 2022/23 | Программирование на языке Python для гос. и муницип. управления 2022/23]] (1 курс, 3-4 модуль)

[[Основы программирования в Python для политологии 2022/23]] (2 курс, 3-4 модули)

[[Основы программирования в Python для школы дизайна 2022/23]] (2 курс, 3-4 модули)

[[Основы программирования в Python для ВШБ 2022/23]] (2 курс, 3 модуль)

[[Программирование на Python для МО 22/23]] (1 курс, 3 модуль)

[[Машинное обучение 22/23 Матфак]] (3 курс, 3-4 модули)

[[Анализ Данных 22/23 Политологи]] (3 курс, 3-4 модули)

[[Введение в Data Science для ВШБ 2022/23]] (2 курс, 4 модуль)
|}

== Курсы магистратуры ФКН ==
{| class="wikitable"
|-
| [[Ликбез_разработчика_(2022) | Ликбез разработчика]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[RecSys_2022_2023 | Рекомендательные системы]] || ФТИАД || 2 year
|-
| [[Linear_Algebra_for_Data_Science_(2022) | Linear Algebra for Data Science]] || Data Science || 1 year
|-
| [[Ordered_Sets_in_Data_Analysis_(2022) | Ordered Sets in Data Analysis]] || Data Science || 1 year
|-
| [[ NIS-TCS-22-23 | НИС Теоретическая информатика ]] || Науки о данных, специализация ТИ ||
|-
| [[Mathematical Foundations of Probability theory | Mathematical foundations of probability theory]] || Math of Machine Learning || 1 year
|-
| [[Markov Chains | Markov Chains]] || Math of Machine Learning || 1 year
|-
| [[Reinforcement_learning_2022_2023 | Математические основы обучения с подкреплением ]] || Math of Machine Learning || 2 year
|-
| [[Theoretical computer science spring 2023 | Theoretical computer science spring 2023]] || PhD || 1 year
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[econ_probability_2022-23|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[econ_metrics_2022-23|Эконометрика ип 2022-23]] || фэн, 3 курс || 1-4 модуль
|-
| [[econ_dynamic_opt_2022-23|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
| [[icef-dse-2022-23|Data Science for Economics 2022-23]] ||icef, 3-4 year || 1-2 module
|-
| [[Лицей ВШЭ. Практикум по программированию 10 класс 2022-23 | Лицей ВШЭ. Практикум по программированию 10 класс]] || Лицей ВШЭ || 10 класс
|-
| [[icef-scalc-2022-fall|Stochastic Calculus Fall 2022]] ||icef, master 1 year || 2 module
|-
| [[econ_metrics_smfe_2022-23|Эконометрика (продвинутый уровень) 2022-23]] || фэн, магистратура, 1 курс || 3-4 модуль
|}

= Архив до 2021/22 учебного года включительно =
[[Wiki ФКН/Архив]]

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-13T14:52:40Z

Tipt0p: /* Расписание */

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScRVfjs0HyiP8f6ujsL1uEqkWDwpzVyLgZ1pgsYnzOTMRpucg/viewform форма] 
Проверочные писать здесь: [ форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 четверга). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-13T14:41:08Z

Tipt0p:

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_23_24/tree/main Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [ форма] 
Проверочные писать здесь: [ форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 четверга). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-13T14:37:10Z

Tipt0p: /* Расписание */

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[ Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [ форма] 
Проверочные писать здесь: [ форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 четверга). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2023/2024

2023-09-13T14:35:51Z

Tipt0p: Новая страница: «'''Страница в процессе разработки''' === Расписание === {| class="wikitable" |- ! Группа !! Руководители…»

'''Страница в процессе разработки'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 ||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 ||[https://www.hse.ru/org/persons/225541629 Николай Карташев]|| nickkartashev@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1PE6cYhcWRxBg2dY0EkZL665zyiVmT2-fgYrHWgqwvK4/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[ Репозиторий с материалами]''' 
'''[ Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [ форма] 
Проверочные писать здесь: [ форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 четверга). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 3 курс 2022/2023

2023-03-02T12:09:50Z

Tipt0p: /* Курсовые работы и их рецензирование */

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| 201 || [https://t.me/+ry3Nf9tu58Y5YzIy телеграм] || [https://www.hse.ru/org/persons/225566839 Илья Пахалко] || ipahalko@gmail.com || вторник 16:20
|-
| 202 || [https://t.me/+SlzkndKO4d83MmEy телеграм]||[https://www.hse.ru/staff/sdtroshin Сергей Трошин]|| serj.troshin2013@yandex.ru || вторник 13:00
|-
| 203 || [https://t.me/+k-GyEh4fdwM5YzQy телеграм]||Никита Степанов|| sssssssssstepanov@gmail.com || понедельник 16:20 / вторник 13:00
|-
|}

'''[https://docs.google.com/spreadsheets/d/15crAQJm8x0VvrY3dRW7skc69qhPfTcDma1WIds5GFjU/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/tree/main/3rd%20year Репозиторий с материалами]''' 
'''[https://disk.yandex.ru/d/IYms19Z954T7AA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/1x7dmbqWgHIku4S7472v4BuYibwcpVpLLnNnImdj1m7c/viewform?edit_requested=true форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чатах в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. В чатах просьба не флудить =) Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады на различные темы, связанные с машинным обучением, в том числе по современным научным статьям. Семинар призван способствовать своевременному включению студентов в исследовательский процесс, развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами на различные темы, связанные с машинным обучением
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.
* Выступления студентов с докладами по курсовым работам.
* Кросс-рецензирование курсовых работ своих одногруппников.

== Доклады, отзывы на доклады и проверочные работы ==

<big>'''Доклады''' </big>
Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. Стандартная продолжительность доклада - 30 минут, то есть на одном занятии проводится два выступления. Каждый студент должен сделать два доклада за год. Если такое количество докладов не будет укладываться в рамки курса по времени, то студенты с лучшим выступлением будут освобождены от второго доклада.

Доклады на НИСе будут в двух форматах: 1) разбор определенной темы из машинного обучения (такие доклады могут быть рассчитаны на совместную работу 2 студентов) и в формате разбора научной статьи. Тема докладов предлагаются преподавателями, после чего студенты выбирают понравившиеся им темы в определенный срок. Студенты могут предлагать свои темы докладов во второй половине года, это очень приветствуется.

Минимум '''за неделю''' до даты выступления докладчик или группа докладчиков должны прислать преподавателю на согласование:

# Краткий план доклада. Он должен быть достаточно подробным, чтобы из него были понятны основные идеи, связи между ними и уровень подробности рассказа про каждую идею. В случае группового доклада, должно быть четко понятно кто из выступающих какую часть будет рассказывать (старайтесь не дробить доклад слишком сильно, лучше чтобы каждый участник рассказывал один связный кусок материала).
# Список вопросов по материалу доклада. 3-4 вопроса (для индивидуальных докладов) или 5-6 вопросов (для групповых докладов) для проверочной по вашему выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из вашего доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

'''Сразу после выступления''' необходимо прислать свою презентацию в чат НИСа своей группы.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом доклада -- до 2 баллов, за задержку с материалами -- до 1 балла. Неявка на свой доклад без уважительной причины приводит к нежелательным последствиям. При наличии уважительной причины, пожалуйста, предупреждайте о ней преподавателя заранее. Оценка за доклад складывается на 75% из оценки преподавателя и на 25% из оценки студентов (по отзывам на доклад).

<big>'''Отзывы на доклады''' </big>
Каждый доклад оценивается не только преподавателем, но и студентами. Несколько одногруппников докладчика, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление и оценивают его по 10-бальной шкале в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. На каждого докладчика назначается по 3 рецензента.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (если пара во вторник, то до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

<big>'''Проверочные работы''' </big>
Доклады в течение года будут разбиты по темам на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа примерно на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. Полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. При написании проверочной нельзя пользоваться никакими материалами. Если занятия придется перевести в онлайн формат, то формат проверочных будет изменен.

== Курсовые работы и их рецензирование ==

В середине и в конце года проводится кросс-рецензирование курсовых работ студентов. Рецензия на курсовую должна быть значительно подробнее рецензий на доклады. Правила их оформления будут выложены позднее. Также в середине и конце года будет проведена устная предзащита курсовых работ. '''Участие в предзащите в середине года, а также сдача текста в сроки первого кросс-рецензирования является обязательным условием прохождения первой контрольной точки выполнения КР (требования специализации МОП). '''

Примерные даты кросс-рецензирования и предзащит:
* Середина февраля - предзащита планов КР
* Середина-конец февраля - первое кросс-рецензирование
* Начало-середина мая (все будет ДО окончательного текста сдачи курсовой) - второе кросс-рецензирование
* Середина-конец мая - предзащиты итоговых КР

<big>'''Первое кросс-рецензирование.''' </big>

'''Важно''':
* Все правила про написание курсового проекта (оформление/структура/шаблоны/примеры/что должно быть в каждом разделе текста/полезные рекомендации) можно найти [https://docs.google.com/document/d/1VqE7DBrz05MeDFhKBiH-w_uPGcipqBBVVSd4IXWHiQU/edit?usp=sharing здесь]. '''Обязательно их прочтите''' (мы постарались их написать адекватным языком, максимально кратко и по делу).
* Несдача плана курсовой работы автоматически влечет за собой оценку 0 за первую контрольную точку по КР и оценку 0 за первое кросс-рецензирование.
* Тексты, не соотвествующие требованиям (по объему, и содержанию и по оформлению), засчитываться не будут.
* В правилах выше есть ссылки на шаблоны в LaTex - мы крайне рекомендуем оформлять работу именно в техе.
* План необходимо согласовать с научным руководителем.

'''Дедлайны:''' 
Сдача плана курсовой: '''15 февраля 23:59''' 
Сдача рецензий: '''10 марта 23:59'''

Планы курсовых проектов нужно будет загружать в OpenReview (там же будет проходить кросс-рецензирование), ссылка будет выложена чуть позже.

'''Про рецензии:'''

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Рекомендации по написанию рекомендаций будут выложены чуть позже.

'''Про рецензии:'''

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Общая структура рецензии такая же, как и для рецензий докладов; объем -- половина/целая страница А4. Люди, не сдавшие план вовремя, не будут участвовать в кросс-рецензировании и не смогут получить за него баллы.

* Отнеситесь к процессу ответственно -- если вы не пишете или пишете плохую рецензию, то ваш коллега не получает хорошего фидбека, что очень нечестно по отношению к нему.
* При написании рецензии исходите из того, что ваша главная цель -- помочь коллеге улучшить его работу. Будьте корректны в высказываниях, хорошо обдумайте проект и напишите как его можно улучшить. Даже очень хорошую работу можно сделать еще лучше, поэтому отписки в стиле "все отлично" приниматься не будут.
* Текст рецензии сам по себе должен представлять собой связный текст в научном стиле. Основные требования к рецензии описаны в форме в openreview, в которую вы будете ее загружать (посмотрите на эту форму, прежде чем писать рецензию! там несколько отдельных пунктов).
* Если вы пишете рецензию на групповую работу, постарайтесь кроме общего фидбека на текст, также включить индивидуальный фидбек для каждого участника (например, у участников может быть сильно разный по объему работы вклад в проект или сильно разный по качеству текст).

<big>'''Первая предзащита.''' </big>
Предзащита представляет собой короткое устное выступление студента с презентацией перед преподавателем, в котором он рассказывает про свою задачу и про то, что уже сделано и что планируется сделать в проекте. Основных целей у данного мероприятия две: 1) понять, что у студента есть задача, он понимает что с ней делать и уже начал что-то делать, что задача адекватна по сложности и направленности для КР студента 3 курса МОП; 2) получить фидбек по постановке задачи от преподавателя. К презентации и выступлению строгих требований нет, но крайне желательно учесть следующие моменты:
* Четко продумайте что вы хотите рассказать - выступлений будет много, преподавателю будет сложно понять что вы делаете, если вы не сформулируете это очень четко.
* По времени у вас есть до 5 минут на выступление одного человека (если проект групповой, то примерно (3х+2) минуты, где х - число выступающих). Прорепетируйте свое выступление и постараться из времени не выбиваться - вас очень много, а у преподавателя конечный набор сил. Из ограниченного времени также вытекает, что вам не стоит лить воду/закапываться в формулы и т.п. - рассказывайте кратко и четко, если у преподавателя будут вопросы к деталям, он их задаст после вашего выступления.
* Отразите в презентации следующее:
- титульный слайд (название, исследовательский/программный проект, ваше имя, имя научного руководителя)
- предметная область и постановка задачи
- обзор существующих методов (кто и как решал вашу задачу до вас и в чем состоят недостатки этих решений)
- предлагаемый метод
- план работ
- что уже сделано (чтобы оценить на каком вы сейчас этапе)
* Составляя план работ, задумайтесь обязательно над тем, на каких данных и какие эксперименты вы собираетесь ставить, с какими методами вы ваш хотите сравнить и т.д. Все это в презентации кратко отразите.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.4 * О_проверочные + 0.3 * О_доклады + 0.1 * О_отзывы + 0.1 * О_предзащиты + 0.1 * О_кросс

* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_доклады - суммарная оценка по двум научным выступлениям,
* О_отзывы - суммарная оценка за написание отзывов на доклады,
* О_предзащиты - оценка за выступления на предзащитах,
* О_кросс - оценка за написание рецензий для кросс-рецензирования курсовых.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 3 курс 2022/2023

2023-03-01T21:14:23Z

Tipt0p: /* Курсовые работы и их рецензирование */

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| 201 || [https://t.me/+ry3Nf9tu58Y5YzIy телеграм] || [https://www.hse.ru/org/persons/225566839 Илья Пахалко] || ipahalko@gmail.com || вторник 16:20
|-
| 202 || [https://t.me/+SlzkndKO4d83MmEy телеграм]||[https://www.hse.ru/staff/sdtroshin Сергей Трошин]|| serj.troshin2013@yandex.ru || вторник 13:00
|-
| 203 || [https://t.me/+k-GyEh4fdwM5YzQy телеграм]||Никита Степанов|| sssssssssstepanov@gmail.com || понедельник 16:20 / вторник 13:00
|-
|}

'''[https://docs.google.com/spreadsheets/d/15crAQJm8x0VvrY3dRW7skc69qhPfTcDma1WIds5GFjU/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/tree/main/3rd%20year Репозиторий с материалами]''' 
'''[https://disk.yandex.ru/d/IYms19Z954T7AA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/1x7dmbqWgHIku4S7472v4BuYibwcpVpLLnNnImdj1m7c/viewform?edit_requested=true форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чатах в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. В чатах просьба не флудить =) Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады на различные темы, связанные с машинным обучением, в том числе по современным научным статьям. Семинар призван способствовать своевременному включению студентов в исследовательский процесс, развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами на различные темы, связанные с машинным обучением
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.
* Выступления студентов с докладами по курсовым работам.
* Кросс-рецензирование курсовых работ своих одногруппников.

== Доклады, отзывы на доклады и проверочные работы ==

<big>'''Доклады''' </big>
Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. Стандартная продолжительность доклада - 30 минут, то есть на одном занятии проводится два выступления. Каждый студент должен сделать два доклада за год. Если такое количество докладов не будет укладываться в рамки курса по времени, то студенты с лучшим выступлением будут освобождены от второго доклада.

Доклады на НИСе будут в двух форматах: 1) разбор определенной темы из машинного обучения (такие доклады могут быть рассчитаны на совместную работу 2 студентов) и в формате разбора научной статьи. Тема докладов предлагаются преподавателями, после чего студенты выбирают понравившиеся им темы в определенный срок. Студенты могут предлагать свои темы докладов во второй половине года, это очень приветствуется.

Минимум '''за неделю''' до даты выступления докладчик или группа докладчиков должны прислать преподавателю на согласование:

# Краткий план доклада. Он должен быть достаточно подробным, чтобы из него были понятны основные идеи, связи между ними и уровень подробности рассказа про каждую идею. В случае группового доклада, должно быть четко понятно кто из выступающих какую часть будет рассказывать (старайтесь не дробить доклад слишком сильно, лучше чтобы каждый участник рассказывал один связный кусок материала).
# Список вопросов по материалу доклада. 3-4 вопроса (для индивидуальных докладов) или 5-6 вопросов (для групповых докладов) для проверочной по вашему выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из вашего доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

'''Сразу после выступления''' необходимо прислать свою презентацию в чат НИСа своей группы.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом доклада -- до 2 баллов, за задержку с материалами -- до 1 балла. Неявка на свой доклад без уважительной причины приводит к нежелательным последствиям. При наличии уважительной причины, пожалуйста, предупреждайте о ней преподавателя заранее. Оценка за доклад складывается на 75% из оценки преподавателя и на 25% из оценки студентов (по отзывам на доклад).

<big>'''Отзывы на доклады''' </big>
Каждый доклад оценивается не только преподавателем, но и студентами. Несколько одногруппников докладчика, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление и оценивают его по 10-бальной шкале в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. На каждого докладчика назначается по 3 рецензента.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (если пара во вторник, то до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

<big>'''Проверочные работы''' </big>
Доклады в течение года будут разбиты по темам на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа примерно на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. Полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. При написании проверочной нельзя пользоваться никакими материалами. Если занятия придется перевести в онлайн формат, то формат проверочных будет изменен.

== Курсовые работы и их рецензирование ==

В середине и в конце года проводится кросс-рецензирование курсовых работ студентов. Рецензия на курсовую должна быть значительно подробнее рецензий на доклады. Правила их оформления будут выложены позднее. Также в середине и конце года будет проведена устная предзащита курсовых работ. '''Участие в предзащите в середине года, а также сдача текста в сроки первого кросс-рецензирования является обязательным условием прохождения первой контрольной точки выполнения КР (требования специализации МОП). '''

Примерные даты кросс-рецензирования и предзащит:
* Середина февраля - предзащита планов КР
* Середина-конец февраля - первое кросс-рецензирование
* Начало-середина мая (все будет ДО окончательного текста сдачи курсовой) - второе кросс-рецензирование
* Середина-конец мая - предзащиты итоговых КР

<big>'''Первое кросс-рецензирование.''' </big>

'''Важно''':
* Все правила про написание курсового проекта (оформление/структура/шаблоны/примеры/что должно быть в каждом разделе текста/полезные рекомендации) можно найти [https://docs.google.com/document/d/1VqE7DBrz05MeDFhKBiH-w_uPGcipqBBVVSd4IXWHiQU/edit?usp=sharing здесь]. '''Обязательно их прочтите''' (мы постарались их написать адекватным языком, максимально кратко и по делу).
* Несдача плана курсовой работы автоматически влечет за собой оценку 0 за первую контрольную точку по КР и оценку 0 за первое кросс-рецензирование.
* Тексты, не соотвествующие требованиям (по объему, и содержанию и по оформлению), засчитываться не будут.
* В правилах выше есть ссылки на шаблоны в LaTex - мы крайне рекомендуем оформлять работу именно в техе.
* План необходимо согласовать с научным руководителем.

'''Дедлайны:''' 
Сдача плана курсовой: '''15 февраля 23:59''' 
Сдача рецензий: '''10 марта 23:59'''

Планы курсовых проектов нужно будет загружать в OpenReview (там же будет проходить кросс-рецензирование), ссылка будет выложена чуть позже.

'''Про рецензии:'''

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Рекомендации по написанию рекомендаций будут выложены чуть позже.

'''Про рецензии:'''

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Общая структура рецензии такая же, как и для рецензий докладов; объем -- половина/целая страница А4. Люди, не сдавшие план вовремя, не будут участвовать в кросс-рецензировании и не смогут получить за него баллы.

* Отнеситесь к процессу ответственно -- если вы не пишете или пишете плохую рецензию, то ваш коллега не получает хорошего фидбека, что очень нечестно по отношению к нему.
* При написании рецензии исходите из того, что ваша главная цель -- помочь коллеге улучшить его работу. Будьте корректны в высказываниях, хорошо обдумайте проект и напишите как его можно улучшить. Даже очень хорошую работу можно сделать еще лучше, поэтому отписки в стиле "все отлично" приниматься не будут.
* Текст рецензии сам по себе должен представлять собой связный текст в научном стиле. Основные требования к рецензии описаны в форме в openreview, в которую вы будете ее загружать (посмотрите на эту форму, прежде чем писать рецензию! там несколько отдельных пунктов).
* Если вы пишете рецензию на групповую работу, постарайтесь кроме общего фидбека на текст, также включить индивидуальный фидбек для каждого участника (например, у участников может быть сильно разный по объему работы вклад в проект или сильно разный по качеству текст).

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.4 * О_проверочные + 0.3 * О_доклады + 0.1 * О_отзывы + 0.1 * О_предзащиты + 0.1 * О_кросс

* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_доклады - суммарная оценка по двум научным выступлениям,
* О_отзывы - суммарная оценка за написание отзывов на доклады,
* О_предзащиты - оценка за выступления на предзащитах,
* О_кросс - оценка за написание рецензий для кросс-рецензирования курсовых.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 3 курс 2022/2023

2023-03-01T21:13:51Z

Tipt0p: /* Курсовые работы и их рецензирование */

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| 201 || [https://t.me/+ry3Nf9tu58Y5YzIy телеграм] || [https://www.hse.ru/org/persons/225566839 Илья Пахалко] || ipahalko@gmail.com || вторник 16:20
|-
| 202 || [https://t.me/+SlzkndKO4d83MmEy телеграм]||[https://www.hse.ru/staff/sdtroshin Сергей Трошин]|| serj.troshin2013@yandex.ru || вторник 13:00
|-
| 203 || [https://t.me/+k-GyEh4fdwM5YzQy телеграм]||Никита Степанов|| sssssssssstepanov@gmail.com || понедельник 16:20 / вторник 13:00
|-
|}

'''[https://docs.google.com/spreadsheets/d/15crAQJm8x0VvrY3dRW7skc69qhPfTcDma1WIds5GFjU/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/tree/main/3rd%20year Репозиторий с материалами]''' 
'''[https://disk.yandex.ru/d/IYms19Z954T7AA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/1x7dmbqWgHIku4S7472v4BuYibwcpVpLLnNnImdj1m7c/viewform?edit_requested=true форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чатах в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. В чатах просьба не флудить =) Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады на различные темы, связанные с машинным обучением, в том числе по современным научным статьям. Семинар призван способствовать своевременному включению студентов в исследовательский процесс, развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами на различные темы, связанные с машинным обучением
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.
* Выступления студентов с докладами по курсовым работам.
* Кросс-рецензирование курсовых работ своих одногруппников.

== Доклады, отзывы на доклады и проверочные работы ==

<big>'''Доклады''' </big>
Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. Стандартная продолжительность доклада - 30 минут, то есть на одном занятии проводится два выступления. Каждый студент должен сделать два доклада за год. Если такое количество докладов не будет укладываться в рамки курса по времени, то студенты с лучшим выступлением будут освобождены от второго доклада.

Доклады на НИСе будут в двух форматах: 1) разбор определенной темы из машинного обучения (такие доклады могут быть рассчитаны на совместную работу 2 студентов) и в формате разбора научной статьи. Тема докладов предлагаются преподавателями, после чего студенты выбирают понравившиеся им темы в определенный срок. Студенты могут предлагать свои темы докладов во второй половине года, это очень приветствуется.

Минимум '''за неделю''' до даты выступления докладчик или группа докладчиков должны прислать преподавателю на согласование:

# Краткий план доклада. Он должен быть достаточно подробным, чтобы из него были понятны основные идеи, связи между ними и уровень подробности рассказа про каждую идею. В случае группового доклада, должно быть четко понятно кто из выступающих какую часть будет рассказывать (старайтесь не дробить доклад слишком сильно, лучше чтобы каждый участник рассказывал один связный кусок материала).
# Список вопросов по материалу доклада. 3-4 вопроса (для индивидуальных докладов) или 5-6 вопросов (для групповых докладов) для проверочной по вашему выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из вашего доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

'''Сразу после выступления''' необходимо прислать свою презентацию в чат НИСа своей группы.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом доклада -- до 2 баллов, за задержку с материалами -- до 1 балла. Неявка на свой доклад без уважительной причины приводит к нежелательным последствиям. При наличии уважительной причины, пожалуйста, предупреждайте о ней преподавателя заранее. Оценка за доклад складывается на 75% из оценки преподавателя и на 25% из оценки студентов (по отзывам на доклад).

<big>'''Отзывы на доклады''' </big>
Каждый доклад оценивается не только преподавателем, но и студентами. Несколько одногруппников докладчика, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление и оценивают его по 10-бальной шкале в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. На каждого докладчика назначается по 3 рецензента.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (если пара во вторник, то до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

<big>'''Проверочные работы''' </big>
Доклады в течение года будут разбиты по темам на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа примерно на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. Полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. При написании проверочной нельзя пользоваться никакими материалами. Если занятия придется перевести в онлайн формат, то формат проверочных будет изменен.

== Курсовые работы и их рецензирование ==

В середине и в конце года проводится кросс-рецензирование курсовых работ студентов. Рецензия на курсовую должна быть значительно подробнее рецензий на доклады. Правила их оформления будут выложены позднее. Также в середине и конце года будет проведена устная предзащита курсовых работ. '''Участие в предзащите в середине года, а также сдача текста в сроки первого кросс-рецензирования является обязательным условием прохождения первой контрольной точки выполнения КР (требования специализации МОП). '''

Примерные даты кросс-рецензирования и предзащит:
* Середина февраля - предзащита планов КР
* Середина-конец февраля - первое кросс-рецензирование
* Начало-середина мая (все будет ДО окончательного текста сдачи курсовой) - второе кросс-рецензирование
* Середина-конец мая - предзащиты итоговых КР

<big>'''Первое кросс-рецензирование.''' </big>

'''Важно''':
* Все правила про написание курсового проекта (оформление/структура/шаблоны/примеры/что должно быть в каждом разделе текста/полезные рекомендации) можно найти [https://docs.google.com/document/d/1VqE7DBrz05MeDFhKBiH-w_uPGcipqBBVVSd4IXWHiQU/edit?usp=sharing здесь]. '''Обязательно их прочтите''' (мы постарались их написать адекватным языком, максимально кратко и по делу).
* Несдача плана курсовой работы автоматически влечет за собой оценку 0 за первую контрольную точку по КР и оценку 0 за первое кросс-рецензирование.
* Тексты, не соотвествующие требованиям (по объему, и содержанию и по оформлению), засчитываться не будут.
* В правилах выше есть ссылки на шаблоны в LaTex - мы крайне рекомендуем оформлять работу именно в техе.
* План необходимо согласовать с научным руководителем.

'''Дедлайны:''' 
Сдача плана курсовой: '''15 февраля 23:59''' 
Сдача рецензий: '''TBD'''

Планы курсовых проектов нужно будет загружать в OpenReview (там же будет проходить кросс-рецензирование), ссылка будет выложена чуть позже.

'''Про рецензии:'''

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Рекомендации по написанию рекомендаций будут выложены чуть позже.

'''Про рецензии:'''

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Общая структура рецензии такая же, как и для рецензий докладов; объем -- половина/целая страница А4. Люди, не сдавшие план вовремя, не будут участвовать в кросс-рецензировании и не смогут получить за него баллы.

* Отнеситесь к процессу ответственно -- если вы не пишете или пишете плохую рецензию, то ваш коллега не получает хорошего фидбека, что очень нечестно по отношению к нему.
* При написании рецензии исходите из того, что ваша главная цель -- помочь коллеге улучшить его работу. Будьте корректны в высказываниях, хорошо обдумайте проект и напишите как его можно улучшить. Даже очень хорошую работу можно сделать еще лучше, поэтому отписки в стиле "все отлично" приниматься не будут.
* Текст рецензии сам по себе должен представлять собой связный текст в научном стиле. Основные требования к рецензии описаны в форме в openreview, в которую вы будете ее загружать (посмотрите на эту форму, прежде чем писать рецензию! там несколько отдельных пунктов).
* Если вы пишете рецензию на групповую работу, постарайтесь кроме общего фидбека на текст, также включить индивидуальный фидбек для каждого участника (например, у участников может быть сильно разный по объему работы вклад в проект или сильно разный по качеству текст).

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.4 * О_проверочные + 0.3 * О_доклады + 0.1 * О_отзывы + 0.1 * О_предзащиты + 0.1 * О_кросс

* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_доклады - суммарная оценка по двум научным выступлениям,
* О_отзывы - суммарная оценка за написание отзывов на доклады,
* О_предзащиты - оценка за выступления на предзащитах,
* О_кросс - оценка за написание рецензий для кросс-рецензирования курсовых.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 3 курс 2022/2023

2023-01-30T12:01:01Z

Tipt0p: /* Курсовые работы и их рецензирование */

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| 201 || [https://t.me/+ry3Nf9tu58Y5YzIy телеграм] || [https://www.hse.ru/org/persons/225566839 Илья Пахалко] || ipahalko@gmail.com || вторник 16:20
|-
| 202 || [https://t.me/+SlzkndKO4d83MmEy телеграм]||[https://www.hse.ru/staff/sdtroshin Сергей Трошин]|| serj.troshin2013@yandex.ru || вторник 13:00
|-
| 203 || [https://t.me/+k-GyEh4fdwM5YzQy телеграм]||Никита Степанов|| sssssssssstepanov@gmail.com || понедельник 16:20 / вторник 13:00
|-
|}

'''[https://docs.google.com/spreadsheets/d/15crAQJm8x0VvrY3dRW7skc69qhPfTcDma1WIds5GFjU/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/tree/main/3rd%20year Репозиторий с материалами]''' 
'''[https://disk.yandex.ru/d/IYms19Z954T7AA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/1x7dmbqWgHIku4S7472v4BuYibwcpVpLLnNnImdj1m7c/viewform?edit_requested=true форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чатах в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. В чатах просьба не флудить =) Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады на различные темы, связанные с машинным обучением, в том числе по современным научным статьям. Семинар призван способствовать своевременному включению студентов в исследовательский процесс, развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами на различные темы, связанные с машинным обучением
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.
* Выступления студентов с докладами по курсовым работам.
* Кросс-рецензирование курсовых работ своих одногруппников.

== Доклады, отзывы на доклады и проверочные работы ==

<big>'''Доклады''' </big>
Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. Стандартная продолжительность доклада - 30 минут, то есть на одном занятии проводится два выступления. Каждый студент должен сделать два доклада за год. Если такое количество докладов не будет укладываться в рамки курса по времени, то студенты с лучшим выступлением будут освобождены от второго доклада.

Доклады на НИСе будут в двух форматах: 1) разбор определенной темы из машинного обучения (такие доклады могут быть рассчитаны на совместную работу 2 студентов) и в формате разбора научной статьи. Тема докладов предлагаются преподавателями, после чего студенты выбирают понравившиеся им темы в определенный срок. Студенты могут предлагать свои темы докладов во второй половине года, это очень приветствуется.

Минимум '''за неделю''' до даты выступления докладчик или группа докладчиков должны прислать преподавателю на согласование:

# Краткий план доклада. Он должен быть достаточно подробным, чтобы из него были понятны основные идеи, связи между ними и уровень подробности рассказа про каждую идею. В случае группового доклада, должно быть четко понятно кто из выступающих какую часть будет рассказывать (старайтесь не дробить доклад слишком сильно, лучше чтобы каждый участник рассказывал один связный кусок материала).
# Список вопросов по материалу доклада. 3-4 вопроса (для индивидуальных докладов) или 5-6 вопросов (для групповых докладов) для проверочной по вашему выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из вашего доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

'''Сразу после выступления''' необходимо прислать свою презентацию в чат НИСа своей группы.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом доклада -- до 2 баллов, за задержку с материалами -- до 1 балла. Неявка на свой доклад без уважительной причины приводит к нежелательным последствиям. При наличии уважительной причины, пожалуйста, предупреждайте о ней преподавателя заранее. Оценка за доклад складывается на 75% из оценки преподавателя и на 25% из оценки студентов (по отзывам на доклад).

<big>'''Отзывы на доклады''' </big>
Каждый доклад оценивается не только преподавателем, но и студентами. Несколько одногруппников докладчика, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление и оценивают его по 10-бальной шкале в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. На каждого докладчика назначается по 3 рецензента.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (если пара во вторник, то до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

<big>'''Проверочные работы''' </big>
Доклады в течение года будут разбиты по темам на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа примерно на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. Полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. При написании проверочной нельзя пользоваться никакими материалами. Если занятия придется перевести в онлайн формат, то формат проверочных будет изменен.

== Курсовые работы и их рецензирование ==

В середине и в конце года проводится кросс-рецензирование курсовых работ студентов. Рецензия на курсовую должна быть значительно подробнее рецензий на доклады. Правила их оформления будут выложены позднее. Также в середине и конце года будет проведена устная предзащита курсовых работ. '''Участие в предзащите в середине года, а также сдача текста в сроки первого кросс-рецензирования является обязательным условием прохождения первой контрольной точки выполнения КР (требования специализации МОП). '''

Примерные даты кросс-рецензирования и предзащит:
* Середина февраля - предзащита планов КР
* Середина-конец февраля - первое кросс-рецензирование
* Начало-середина мая (все будет ДО окончательного текста сдачи курсовой) - второе кросс-рецензирование
* Середина-конец мая - предзащиты итоговых КР

<big>'''Первое кросс-рецензирование.''' </big>

'''Важно''':
* Все правила про написание курсового проекта (оформление/структура/шаблоны/примеры/что должно быть в каждом разделе текста/полезные рекомендации) можно найти [https://docs.google.com/document/d/1VqE7DBrz05MeDFhKBiH-w_uPGcipqBBVVSd4IXWHiQU/edit?usp=sharing здесь]. '''Обязательно их прочтите''' (мы постарались их написать адекватным языком, максимально кратко и по делу).
* Несдача плана курсовой работы автоматически влечет за собой оценку 0 за первую контрольную точку по КР и оценку 0 за первое кросс-рецензирование.
* Тексты, не соотвествующие требованиям (по объему, и содержанию и по оформлению), засчитываться не будут.
* В правилах выше есть ссылки на шаблоны в LaTex - мы крайне рекомендуем оформлять работу именно в техе.
* План необходимо согласовать с научным руководителем.

'''Дедлайны:''' 
Сдача плана курсовой: '''15 февраля 23:59''' 
Сдача рецензий: '''TBD'''

Планы курсовых проектов нужно будет загружать в OpenReview (там же будет проходить кросс-рецензирование), ссылка будет выложена чуть позже.

'''Про рецензии:'''

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Рекомендации по написанию рекомендаций будут выложены чуть позже.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.4 * О_проверочные + 0.3 * О_доклады + 0.1 * О_отзывы + 0.1 * О_предзащиты + 0.1 * О_кросс

* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_доклады - суммарная оценка по двум научным выступлениям,
* О_отзывы - суммарная оценка за написание отзывов на доклады,
* О_предзащиты - оценка за выступления на предзащитах,
* О_кросс - оценка за написание рецензий для кросс-рецензирования курсовых.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 3 курс 2022/2023

2023-01-30T11:44:12Z

Tipt0p: /* Курсовые работы и их рецензирование */

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| 201 || [https://t.me/+ry3Nf9tu58Y5YzIy телеграм] || [https://www.hse.ru/org/persons/225566839 Илья Пахалко] || ipahalko@gmail.com || вторник 16:20
|-
| 202 || [https://t.me/+SlzkndKO4d83MmEy телеграм]||[https://www.hse.ru/staff/sdtroshin Сергей Трошин]|| serj.troshin2013@yandex.ru || вторник 13:00
|-
| 203 || [https://t.me/+k-GyEh4fdwM5YzQy телеграм]||Никита Степанов|| sssssssssstepanov@gmail.com || понедельник 16:20 / вторник 13:00
|-
|}

'''[https://docs.google.com/spreadsheets/d/15crAQJm8x0VvrY3dRW7skc69qhPfTcDma1WIds5GFjU/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/tree/main/3rd%20year Репозиторий с материалами]''' 
'''[https://disk.yandex.ru/d/IYms19Z954T7AA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/1x7dmbqWgHIku4S7472v4BuYibwcpVpLLnNnImdj1m7c/viewform?edit_requested=true форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чатах в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. В чатах просьба не флудить =) Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады на различные темы, связанные с машинным обучением, в том числе по современным научным статьям. Семинар призван способствовать своевременному включению студентов в исследовательский процесс, развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами на различные темы, связанные с машинным обучением
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.
* Выступления студентов с докладами по курсовым работам.
* Кросс-рецензирование курсовых работ своих одногруппников.

== Доклады, отзывы на доклады и проверочные работы ==

<big>'''Доклады''' </big>
Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. Стандартная продолжительность доклада - 30 минут, то есть на одном занятии проводится два выступления. Каждый студент должен сделать два доклада за год. Если такое количество докладов не будет укладываться в рамки курса по времени, то студенты с лучшим выступлением будут освобождены от второго доклада.

Доклады на НИСе будут в двух форматах: 1) разбор определенной темы из машинного обучения (такие доклады могут быть рассчитаны на совместную работу 2 студентов) и в формате разбора научной статьи. Тема докладов предлагаются преподавателями, после чего студенты выбирают понравившиеся им темы в определенный срок. Студенты могут предлагать свои темы докладов во второй половине года, это очень приветствуется.

Минимум '''за неделю''' до даты выступления докладчик или группа докладчиков должны прислать преподавателю на согласование:

# Краткий план доклада. Он должен быть достаточно подробным, чтобы из него были понятны основные идеи, связи между ними и уровень подробности рассказа про каждую идею. В случае группового доклада, должно быть четко понятно кто из выступающих какую часть будет рассказывать (старайтесь не дробить доклад слишком сильно, лучше чтобы каждый участник рассказывал один связный кусок материала).
# Список вопросов по материалу доклада. 3-4 вопроса (для индивидуальных докладов) или 5-6 вопросов (для групповых докладов) для проверочной по вашему выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из вашего доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

'''Сразу после выступления''' необходимо прислать свою презентацию в чат НИСа своей группы.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом доклада -- до 2 баллов, за задержку с материалами -- до 1 балла. Неявка на свой доклад без уважительной причины приводит к нежелательным последствиям. При наличии уважительной причины, пожалуйста, предупреждайте о ней преподавателя заранее. Оценка за доклад складывается на 75% из оценки преподавателя и на 25% из оценки студентов (по отзывам на доклад).

<big>'''Отзывы на доклады''' </big>
Каждый доклад оценивается не только преподавателем, но и студентами. Несколько одногруппников докладчика, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление и оценивают его по 10-бальной шкале в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. На каждого докладчика назначается по 3 рецензента.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (если пара во вторник, то до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

<big>'''Проверочные работы''' </big>
Доклады в течение года будут разбиты по темам на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа примерно на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. Полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. При написании проверочной нельзя пользоваться никакими материалами. Если занятия придется перевести в онлайн формат, то формат проверочных будет изменен.

== Курсовые работы и их рецензирование ==

В середине и в конце года проводится кросс-рецензирование курсовых работ студентов. Рецензия на курсовую должна быть значительно подробнее рецензий на доклады. Правила их оформления будут выложены позднее. Также в середине и конце года будет проведена устная предзащита курсовых работ. '''Участие в предзащите в середине года, а также сдача текста в сроки первого кросс-рецензирования является обязательным условием прохождения первой контрольной точки выполнения КР (требования специализации МОП). '''

Примерные даты кросс-рецензирования и предзащит:
* Середина февраля - предзащита планов КР
* Середина-конец февраля - первое кросс-рецензирование
* Начало-середина мая (все будет ДО окончательного текста сдачи курсовой) - второе кросс-рецензирование
* Середина-конец мая - предзащиты итоговых КР

<big>'''Первое кросс-рецензирование.''' </big>

'''Важно''':
* Все правила про написание курсового проекта (оформление/структура/шаблоны/примеры/что должно быть в каждом разделе текста/полезные рекомендации) можно найти [https://docs.google.com/document/d/1VqE7DBrz05MeDFhKBiH-w_uPGcipqBBVVSd4IXWHiQU/edit?usp=sharing здесь]. '''Обязательно их прочтите''' (мы постарались их написать адекватным языком, максимально кратко и по делу).
* Несдача плана курсовой работы автоматически влечет за собой оценку 0 за первую контрольную точку по КР и оценку 0 за первое кросс-рецензирование.
* Тексты, не соотвествующие требованиям (по объему, и содержанию и по оформлению), засчитываться не будут.
* В правилах выше есть ссылки на шаблоны в LaTex - мы крайне рекомендуем оформлять работу именно в них.
* План необходимо согласовать с научным руководителем.

'''Дедлайны:''' 
Сдача плана курсовой: '''15 февраля 23:59''' 
Сдача рецензий: '''TBD'''

Планы курсовых проектов нужно будет загружать в OpenReview (там же будет проходить кросс-рецензирование), ссылка будет выложена чуть позже.

'''Про рецензии:'''

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Рекомендации по написанию рекомендаций будут выложены чуть позже.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.4 * О_проверочные + 0.3 * О_доклады + 0.1 * О_отзывы + 0.1 * О_предзащиты + 0.1 * О_кросс

* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_доклады - суммарная оценка по двум научным выступлениям,
* О_отзывы - суммарная оценка за написание отзывов на доклады,
* О_предзащиты - оценка за выступления на предзащитах,
* О_кросс - оценка за написание рецензий для кросс-рецензирования курсовых.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 3 курс 2022/2023

2022-10-12T11:04:29Z

Tipt0p:

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-10-12T11:04:04Z

Tipt0p:

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| yhn1124@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1V1JBs-REcNKvvFcPovFqnCd7qcsjx3C5qPDGGQnUZTI/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/tree/main/4th%20year Репозиторий с материалами]''' 
'''[https://disk.yandex.ru/d/00rHdi8LIaUc3Q Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLSfdheFIrMmELSW9O_BrmAB5gbIZvBvpQ8IlnoHQXu2xOqtbaw/viewform форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 четверга). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-28T11:54:50Z

Tipt0p:

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| yhn1124@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1V1JBs-REcNKvvFcPovFqnCd7qcsjx3C5qPDGGQnUZTI/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/tree/main/4th%20year Репозиторий с материалами]''' 
'''[https://disk.yandex.ru/d/q9vP28LW4jagbA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLSfdheFIrMmELSW9O_BrmAB5gbIZvBvpQ8IlnoHQXu2xOqtbaw/viewform форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-20T09:17:55Z

Tipt0p:

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| yhn1124@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1V1JBs-REcNKvvFcPovFqnCd7qcsjx3C5qPDGGQnUZTI/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/tree/main/4th%20year Репозиторий с материалами]''' 
'''[https://disk.yandex.ru/d/q9vP28LW4jagbA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [TBA форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-19T11:21:17Z

Tipt0p:

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| yhn1124@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1V1JBs-REcNKvvFcPovFqnCd7qcsjx3C5qPDGGQnUZTI/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar_22_23/tree/main/4th%20year Репозиторий с материалами]''' 
'''[TBA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [TBA форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 3 курс 2022/2023

2022-09-19T11:20:41Z

Tipt0p:

НИС Машинное обучение и приложения 3 курс 2022/2023

2022-09-19T11:11:22Z

Tipt0p:

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-18T12:05:53Z

Tipt0p:

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| yhn1124@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1V1JBs-REcNKvvFcPovFqnCd7qcsjx3C5qPDGGQnUZTI/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[TBA Репозиторий с материалами]''' 
'''[TBA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [TBA форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-17T12:44:06Z

Tipt0p: /* Доклады */

'''Страница в разработке'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| yhn1124@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1V1JBs-REcNKvvFcPovFqnCd7qcsjx3C5qPDGGQnUZTI/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[TBA Репозиторий с материалами]''' 
'''[TBA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [TBA форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. Пользоваться любым открытым кодом/моделями можно и нужно, но, естественно, оцениваться будут ваши идеи/усилия, так что просто взять ноутбук с чужого гитхаба нельзя. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-17T12:41:14Z

Tipt0p: /* Доклады */

'''Страница в разработке'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| yhn1124@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1V1JBs-REcNKvvFcPovFqnCd7qcsjx3C5qPDGGQnUZTI/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[TBA Репозиторий с материалами]''' 
'''[TBA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [TBA форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] – проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] – поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] – проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы ([https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/29%20-%20Generative%20Spoken%20Language%20Modeling%20from%20Raw%20Audio/code.ipynb пример]).

В течение года каждый студент принимает участие в 3 выступлениях – по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-17T12:40:05Z

Tipt0p: /* Доклады */

'''Страница в разработке'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| yhn1124@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1V1JBs-REcNKvvFcPovFqnCd7qcsjx3C5qPDGGQnUZTI/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[TBA Репозиторий с материалами]''' 
'''[TBA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [TBA форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] -- проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] -- поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] -- проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы.

В течение года каждый студент принимает участие в 3 выступлениях --- по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-17T12:39:19Z

Tipt0p:

'''Страница в разработке'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| yhn1124@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1V1JBs-REcNKvvFcPovFqnCd7qcsjx3C5qPDGGQnUZTI/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[TBA Репозиторий с материалами]''' 
'''[TBA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [TBA форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20 минут.
# '''Рецензент-исследователь.''' Рецензирует саму работу и изучает ее контекст, анализирует как данная работа встраивается в существующую научную реальность. Пишет обзор-рецензию, в которой описывает контекст работы (статьи до/после, конкурентов), рецензирует саму работу и предлагает возможные улучшения/продолжения работы. По основным и самым интересным результатам своего исследования готовит выступление на 5-10 минут. Обзор-рецензию стоит писать в [https://docs.google.com/document/d/1DKuQ1BfmZVzeAPDTUFHOOKSkDaZcHrNfyQfWa4DSJe4/edit?usp=sharing таком формате] (в нем прописаны необходимые пункты).
# '''Хакер.''' Работает со статьей на практике, проводит небольшое исследование, по результатам своей работы готовит ноутбук (с комментариями и выводами). На занятии за 5-10 минут рассказывает о результатах, показывает сам ноутбук или 2-3 слайда с графиками/выводами. В зависимости от формата статьи работой хакера может быть:
#* иллюстрация основной идеи статьи на адекватных для имеющихся ресурсов данных/моделях: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/22%20-%20Imagenet-trained%20CNNs%20are%20biased%20towards%20texture/code.ipynb пример] -- проиллюстрировали описанный в статье эффект на игрушечном сгенерированном наборе данных и воспроизвели основной график из статьи для других архитектур,
#* мини-исследование: [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/19%20-%20mixup/code.ipynb пример 1] -- поиграли с предложенным в статье методом, сравнили его с аналогами на практике, визуализировали поведение сети, обученной этим методом; [https://github.com/bayesgroup/HSE_ML_research_seminar/blob/master/2021-2022/181/04%20-%20Vocabulary%20Learning%20via%20Optimal%20Transport%20for%20Neural%20Machine%20Translation/code.ipynb пример 2] -- проверили работают ли идеи статьи для другой постановки задачи;
#* в случае статей про очень большие модели можно разобраться в коде авторов и сделать иллюстрационный ноутбук с практическим обсуждением архитектуры (покопаться в ней внутри) и примерам работы.

В течение года каждый студент принимает участие в 3 выступлениях -- по одному разу в каждой роли. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты обзора-рецензии, и план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, обзора-рецензии и, возможно, результатов хакера) и одним ноутбуком с результатами хакера, если он необходим для рассказа.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст обзора-рецензии в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание. Большая просьба присылать все это централизовано (один студент от группы присылает все преподавателю).

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

Wiki ФКН

2022-09-05T11:39:04Z

Tipt0p: /* Курсы за 2022/23 учебный год */

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2022/23 учебный год ==

{| class="wikitable"
|-

! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(пилотный_поток) | Линейная алгебра и геометрия (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

[[Математический_анализ_1_2022/2023_(основной_поток) | Математический анализ-1 (основной поток)]]

[[DM1base-2022-23 | Дискретная математика (ПМИ основной поток + ЭАД)]]

[[Дискретная_математика_(пилотный_поток) | Дискретная математика (пилотный поток)]]

'''ПИ'''

'''ПАД'''

[[LAaG DSBA 2022/2023 | LAaG (DSBA)]]

[[Discrete Mathematics DSBA 2022/2023 | Discrete Mathematics ]]

'''КНАД'''

[[Дискретная_математика_КНАД 22/23| Дискретная математика (КНАД) ]]

[[Математический_анализ_КНАД 22/23| Математический анализ (КНАД) ]]

[[Линейная_алгебра_КНАД 22/23| Линейная алгебра (КНАД) ]]

[[Программирование_на_Python_КНАД 22/23| Программирование на Python (КНАД) ]]
||

'''ПМИ'''

[[Теория_вероятностей_2022/2023_(пилотный_поток)| Теория вероятностей (пилотный поток)]]

[[Теория_вероятностей_2022/2023_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_Анализ_2_на_ПМИ_2022/2023_(пилотный_поток) | Математический анализ - 2 (пилотный поток)]]

[[Математический_анализ_-_2_(2022/23) | Математический анализ - 2 (основной поток)]]

[[Язык_программирования_C%2B%2B_(углубленный_курс)_2022 | Язык программирования C++ (углубленный курс)]]

[[Математическая_логика_ПМИ_22/23 | Математическая логика ]]

[[Продвинутый_Python_2022/2023 | Продвинутый Python ]]

[[Алгоритмы_и_структуры_данных_2_2022/2023 | Алгоритмы и структуры данных - 2 ]]

'''ПИ'''

'''ПАД'''

[[Business_and_Management_in_Global_Context_22/23 | Business and Management in Global Context 22/23]]

'''КНАД'''

[[Алгебра КНАД 2022/2023 | Алгебра]]

[[Математический_анализ -- 2 (2022/23) | Математический анализ -- 2]]

[[Алгоритмы_и_структуры_данных_2_КНАД 22/23 | Алгоритмы и структуры данных 2]]

[[Теория_вероятностей_КНАД 22/23 | Теория вероятностей ]]
||

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1]]

[[Theory of Computation 2022 | Theory of Computation]]

[[ Operation Research and Game Theory | Operation Research and Game Theory]]

[[ Statistical Learning Theory 2022 | Statistical Learning Theory]]

[[ Функциональное_программирование_22-23 | Функциональное программирование ]]

'''ПМИ / МОП'''

[[Прикладная_статистика_в_машинном_обучении_22/23 | Прикладная статистика в машинном обучении 22/23]]

[[НИС_Машинное_обучение_и_приложения_3_курс_2022/2023 | НИС Машинное обучение и приложения 3 курс]]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/a35a6a40088b44a7a9e374727a0f2548 Распределенные системы]

[https://osukhoroslov-hse.notion.site/dbce4f5101ed47dca0b363122f139aac НИС Распределенные системы]

'''ПИ'''

'''ПАД'''

[[tssp-2022-23 | Time series and stochastic processes 2022-23]]

||

'''ПМИ'''

[[OWF2022 | Односторонние функции и их применения]]

[[ Функциональное_программирование_22-23 | Функциональное программирование ]]

'''ПМИ / МОП'''

[[НИС_Машинное_обучение_и_приложения_4_курс_2022/2023 | НИС Машинное обучение и приложения 4 курс]]

'''ПИ'''

'''ПАД'''

[[ Statistics4MR-2022-23 | Statistics for Market Research 2022-23]]

||

|}

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

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Цифровая грамотность для международных отношений 22/23 | Цифровая грамотность для международных отношений 22/23]] || || ||

|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_%D0%BC%D0%B5%D0%B6%D0%B4%D1%83%D0%BD%D0%B0%D1%80%D0%BE%D0%B4%D0%BD%D1%8B%D1%85_%D0%BE%D1%82%D0%BD%D0%BE%D1%88%D0%B5%D0%BD%D0%B8%D1%8F%D1%85_22/23#.D0.9D.D0.B5.D0.BE.D0.B1.D1.85.D0.BE.D0.B4.D0.B8.D0.BC.D1.8B.D0.B5_.D1.81.D1.81.D1.8B.D0.BB.D0.BA.D0.B8 Основы анализа данных для международных отношений 22/23] || || ||

|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%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%D1%8F_%D0%BD%D0%B0_Python_%D0%BE%D1%81%D0%B5%D0%BD%D1%8C_2022_%D0%BC%D0%B0%D1%82%D1%84%D0%B0%D0%BA#.D0.9F.D1.80.D0.B0.D0.B2.D0.B8.D0.BB.D0.B0_.D0.B4.D0.B5.D0.B4.D0.BB.D0.B0.D0.B9.D0.BD.D0.BE.D0.B2 Основы программирования на Python осень 2022 матфак] || || ||

|-
| [[ ссылка | Анализ данных]] || Медиакоммуникации, Журналистика || 2 курс || 1-2 модуль
|}

== Курсы магистратуры ФКН ==

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[econ_probability_2022-23|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[econ_dynamic_opt_2022-23|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
| [[icef-dse-2022-23|Data Science for Economics 2022-23]] ||icef, 3-4 year || 1-2 module
|-
| [[Лицей ВШЭ. Практикум по программированию 10 класс 2022-23 | Лицей ВШЭ. Практикум по программированию 10 класс]] || Лицей ВШЭ || 10 класс
|-
|}

= Архив =

== Курсы за 2021/22 учебный год ==
{| class="wikitable"
|-

! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(пилотный_поток) | Линейная алгебра и геометрия (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

[[Алгебра_на_ПМИ_2021/2022_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2021/2022_(основной_поток) | Алгебра (основной поток)]]

[[Математический_Анализ_1_на_ПМИ_2021/2022_(пилотный_поток) | Математический анализ 1 (пилотный поток)]]

[[Математический_анализ_1_2021/2022_(основной_поток) | Математический анализ-1 (основной поток)]]

[[DM1-2021-22 | Дискретная математика]]

[http://wiki.cs.hse.ru/Основы_и_методология_программирования_на_ПМИ_2021/2022_(основной_поток) Основы и методология программирования 2021/2022 (основной поток)]

[[Алгоритмы и структуры данных пилотный поток 2021/2022 | Алгоритмы и структуры данных пилотный поток 2021/2022]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 (4 модуль) | Алгоритмы и структуры данных 1 основной поток 2021/2022 (4 модуль)]]

'''ПИ'''

[[DM1-SE-2021-22 | Дискретная математика-1 ПИ]]

[http://hsealgebra22.wikidot.com/ Алгебра 2021/2022 ПИ wikidot]

[[Алгебра 2021/2022 ПИ | Алгебра 2021/2022 ПИ]]

'''ПАД'''

[[Algebra_DSBA_2021/2022 | Algebra DSBA]]

[[Discrete Mathematics DSBA 2021/2022 | Discrete Mathematics (DSBA)]]

[[LAaG DSBA 2021/2022 | LAaG (DSBA)]]

[[Calculus DSBA 2021/2022 | Calculus (DSBA)]]

[[Introduction to Programming DSBA 2021/2022 | Introduction to Programming (DSBA)]]

'''КНАД'''

[[Математический_анализ_(КНАД) | Математический анализ (КНАД)]]

[[Линейная алгебра_(КНАД) | Линейная алгебра (КНАД)]]

[[Программирование_на_Python | Программирование на Python (КНАД)]]

[[Дискретная_математика_КНАД | Дискретная математика (КНАД)]]

[[Алгоритмы и структуры данных-1 2021/2022 4 модуль (КНАД) | Алгоритмы и структуры данных (КНАД)]]

[[Программирование_на_С++_КНАД | Программирование на С++ (КНАД)]]

[[Python_для_сбора_и_анализа_данных_КНАД | Python для сбора и анализа данных (КНАД)]]

[[ИПР_КНАД_22 | Инструменты промышленной разработки (КНАД)]]

||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2021/2022_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2021/2022_(основной_поток)| ТВиМС (основной поток)]]

[[Математический анализ 2021/2022 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_-_2.1_(2021/22) Математический анализ - 2.1 (основной поток)]

[[Математический_анализ_-_2.2_(2021/22) | Математический анализ - 2.2 (основной поток)]]

[[MissingSemester2021/2022 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[Язык программирования C++ (углубленный курс) | Язык программирования C++ (углубленный курс)]]

[[Математическая логика | Математическая логика]]

[[Дифференциальные уравнения (ПМИ)]]

[[Алгоритмы и структуры данных 2 2021 | Алгоритмы и структуры данных 2]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (пилотный поток)]]

[[CAOS-2021 | Архитектура компьютеров и операционные системы]]

[[Основы_матричных_вычислений_2021/2022| Основы матричных вычислений 2021/2022]]

'''ПИ'''

[[Алгоритмы и структуры данных на ПИ 2021/2022 | Алгоритмы и структуры данных на ПИ]]

[[Теория вероятностей и математическая статистика 2021-2022 | Теория вероятностей и математическая статистика]]

[[НИС Методы и алгоритмы защиты информации | НИС Методы и алгоритмы защиты информации]]

'''ПАД'''

[[Discrete Mathematics 2 DSBA 2021/2022 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2021/22 | Business and Management in Global Context (DSBA)]]

[[Statistics_DSBA_2021/2022 | Probability and Statistics (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

[[ACOS_DSBA_2021/2022 | Computer Architecture and Operating Systems (DSBA)]]

||

[https://www.notion.so/2021-2022-7374a6eeced2434288226a339bd5037f Курсовая работа]

'''ПМИ'''

[[Intro_to_DL_21/22 | Introduction to Deep Learning 21/22 ]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_2022#.D0.A3.D1.87.D0.B5.D0.B1.D0.BD.D1.8B.D0.B9_.D0.BF.D0.BB.D0.B0.D0.BD Численные методы (2022)]

[[Методы_оптимизации_21/22 | Методы оптимизации 21/22]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_22 Математическое моделирование]

[http://wiki.cs.hse.ru/NIS-TCS-20-21 НИС Теоретическая информатика]

[[time_series_modelling_21_22 | Моделирование временных рядов 21/22]]

[[Анализ данных в бизнесе (Кафедра SAS) 21/22 | Анализ данных в бизнесе (Кафедра SAS) 21/22]]

[[Comb2021_2022 | Комбинаторные конструкции в теоретической информатике]]

[[Машинное_обучение_1/2021_2022 | Машинное обучение 1]]

[[Theory of Computation 2021 | Theory of Computation]]

[http://math-info.hse.ru/s21/8 Прикладные дифференциальные уравнения]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Промышленное_программирование_на_языке_Java/2022 | Промышленное программирование на языке Java]]

'''ПМИ / PC'''

[https://osukhoroslov-hse.notion.site/5ca71a3b2b17452599f169468df43408 НИС Распределенные системы]

[[Database_Systems_2022 | Database Systems 2022]]

[https://osukhoroslov-hse.notion.site/082aef7073a844afa4c1bf718a773d77 Распределенные системы]

[https://naorlov.notion.site/naorlov/Nets-2021-51931594039e40aeb9102b784d7a8e70 Компьютерные сети]

'''ПМИ / МОП'''

[[Машинное_обучение_2 | Машинное обучение 2]]

[[Методы оптимизации в машинном обучении 2022| Методы оптимизации в машинном обучении 2022]]

[[НИС_Машинное_обучение_и_приложения_3_курс_2021/2022 | НИС Машинное обучение и приложения 3 курс]]

[http://wiki.cs.hse.ru/Psmo_21_22 Прикладная статистика в машинном обучении 21/22]

[[Statistical_learning_theory_2021 | Statistical learning theory]]

'''ПИ'''

[[ML4SE_1 | НИС Машинное обучение для программной инженерии]]

[[Технологии прикладного анализа данных SAS | Технологии прикладного анализа данных SAS]]

'''ПАД'''

[http://wiki.cs.hse.ru/Time_Series_and_Stochastic_Processes_ada_21_22 Time series and stochastic processes 2021-22]

[https://github.com/xenakas/dsba_ecm_2021 Elements of Econometrics ]

[[Data Science Case Studies (JD SAS) 21/22 | Data Science Case Studies (JD SAS) 21/22]]

[[SAS Technologies for Data Mining | SAS Technologies for Data Mining]]
[[Optimization_Methods_2022 | Optimization Methods]]

||

[[Введение_в_дифференциальную_геометрию_2022 | Введение в дифференциальную геометрию 2022]]

[[Символьные_вычисления_21/22 | Символьные вычисления 21/22]]

[[Случайные_процессы_(зима_2022) | Случайные процессы (зима 2022) ]]

[[Методы_сжатия_и_передачи_медиаданных_21/22 | Методы сжатия и передачи медиаданных 21/22]]

[[Теория_и_практика_онлайн-экспериментов_21/22 | Теория и практика онлайн-экспериментов 21/22]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC_21/22 Дизайн систем]

[http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D1%82%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D1%85_%D0%B2%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%B8%D0%B9 Основы тензорых вычислений]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Байесовские_методы_машинного_обучения_2021 | Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_4_курс_2021/2022 | НИС Машинное обучение и приложения 4 курс]]

[https://artemova.notion.site/artemova/c88a68750cff4b509699fa127be11801 Глубинное обучение для текстовых данных 2021/2022]

[http://wiki.cs.hse.ru/LSML_2021/2022 Машинное обучение для больших данных 21/22]

[[Эффективные системы глубинного обучения 21/22|Эффективные системы глубинного обучения]]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/2-0cd36b67b9f64182bfeabcda9ede647a НИС Распределенные системы 2]

[[msbdp_21 | Методы и системы обработки больших данных]]

[https://osukhoroslov-hse.notion.site/cee4a50ac8cf4e328cefbd35cf822fa5 Облачные вычисления]

'''ПМИ / ТИ'''

[[InfTheory2021 | Теория информации]]

[[OWF2021 | Односторонние функции и их применения]]

[[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]]

'''ПАД'''

[[Statistics 4mr 2021-22 | Statistical Methods for Market Research (DSBA)]]

[[Decision Making Strategy]]

||

[[Дополнительные_главы_теории_вероятностей_2022|ДГТВ]]

[[Дополнительные_главы_теории_вероятностей-2_2021/2022|ДГТВ-2]]

[[Теория_вычислений_2022|Теория вычислений]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

[[Криптография_на_решётках_21/22| Криптография на решётках]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%91%D0%B8%D0%BE%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%D0%B0_1_%D0%B3%D0%BE%D0%B4_2021/22 Майнор Биоинформатика 1 год 2021/22]

[[Майнор_Биоинформатика_2_год_2021/22|Майнор Биоинформатика 2 год 2021/22]]

[[Введение_в_программирование_21/22_(майнор_ИАД) | Введение в программирование 21/22 (майнор ИАД)]]

[[Основы_машинного_обучения | Основы машинного обучения (майнор ИАД)]]

[[Основы_глубинного_обучения | Основы глубинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных | Прикладные задачи анализа данных (майнор ИАД)]]

[[Функциональное_программирование_2019 | Функциональное программирование 2021]]

[[KotlinElective|Факультатив "Язык Kotlin" (ноя-дек 2021)]]

[[Dopglavy_DM_2022| Дополнительные главы дискретной математики]]

[[Факультатив_Data_Science_в_игровой_индустрии_(SAS) | Факультатив Data Science в игровой индустрии (SAS)]]

[[Факультатив_Анализ_данных_на_платформе_SAS | Факультатив Анализ данных на платформе SAS]]

[https://rroll.to/2D8yXl Основы и методология пикапа на ПМИ 2021/2022]

|}

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

=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%BD%D0%B0_%D1%8F%D0%B7%D1%8B%D0%BA%D0%B5_Python,_%D0%B6%D1%83%D1%80%D0%BD%D0%B0%D0%BB%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_2022 Программирование на языке Python] || Журналистика || 2 курс || 4 модуль
|-
| [http://wiki.cs.hse.ru/Программирование_на_Python_деп_медиа_2022 Программирование на языке Python] || Журналистика и Медиакоммуникации || 1 курс || 3 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Психология%22_2021/2022 Программирование на языке Python] ||Психология || 1 курс || 3-4 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Экономика_и_статистика%22_и_ОП_%22География_глобальных_изменений%22_2021/2022 Программирование на языке Python] ||Экономика и статистика; География глобальных изменений || 2 курс || 3 модуль
|-
| [[Культура работы с данными]] ||Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[Машинное обучение на матфаке 2022|Машинное обучение]] || Математика || 3-4 модули || 3-4 модули
|-
| [[Введение_в_МО_БИ_21/22| Введение в машинное обучение]] || Бизнес-информатика || 3 курс || 3-4 модули
|-
| [[Excel для анализа данных 21-22]] || Иностранные языки и межкультурная коммуникация || 4 курс || 3 модуль
|-
| [[Введение в Data Science 21-22]] || УБ и МиРА || 2 курс || 4 модуль
|-
| [[Основы программирования в Python (Мирэк) 2022 | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
|[http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%A5%D0%B8%D0%BC%D0%B8%D1%8F Python для извлечения и обработки данных] || Химия || 2 курс || 4 модуль
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Городское_планирование_2021-2022 Цифровая грамотность] || Городское планирование || 1 курс || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%93%D0%B5%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_2020/21 Цифровая грамотность] || География глобальных измерений и геоинформационные технологии || 1 курс || 1-2 модули
|-
| [[Цифровая грамотность, Востоковедение 2021/2022| Цифровая грамотность]] || Востоковедение || 1 курс || 1-2 модули
|-
|[[Цифровая Грамотность ИКВиА 2021/2022 | Цифровая грамотность]] || ИКВиА || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция:частное право || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%8F_2021/2022 Цифровая грамотность] ||История || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Филология_2021/2022 Цифровая грамотность] || Филология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2020-21_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Культурология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%94%D0%B5%D0%BF%D0%B0%D1%80%D1%82%D0%B0%D0%BC%D0%B5%D0%BD%D1%82_%D0%9C%D0%B5%D0%B4%D0%B8%D0%B0_2021-2022 Цифровая грамотность] || Медиакоммуникации и Журналистика || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Философия_2021/2022 Цифровая грамотность] || Философия || 1 курс || 1-2 модуль
|-
| [http://wiki.cs.hse.ru/Основы_программирования_на_Python_осень_2021_матфак Основы программирования на Python] || Математика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_R,_%D0%A1%D0%BE%D1%86%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в R] || Социология || 4 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D0%9C%D0%A1%D0%90%D0%A0-2_2020 Методы анализа больших данных в исследованиях поведения покупателя] || Прикладные методы социального анализа рынков (магистратура) || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2021-2022 Машинное обучение] || Экономика || 3,4 курс || 1-2 модули
|-
| [[Программирование_ЭкСтат_ГП | Программирование на языке Python ]] || Городское планирование, Экономика и статистика || 3 курс || 1-2 модули
|-
| [[Основы анализа данных в международных отношениях 2021/2022 | Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85 Python извлечение и обработка данных] || Клеточная и молекулярная биотехнология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%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%D1%8F_%D0%B2_Python_(%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_2020) Основы программирования в Python ] || Политология || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Основы_работы_с_данными:_сбор,_анализ,_визуализация_(ОП_%22Журналистика%22) Основы работы с данными: сбор, анализ, визуализация] || Журналистика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_Data_Science Data Science] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме (магистратура) || 1 курс || 2 модуль
|-
| [http://wiki.cs.hse.ru/%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_(%D1%81%D0%BE%D0%B2._%D0%B1%D0%B0%D0%BA._%D0%92%D0%A8%D0%AD-%D0%A0%D0%AD%D0%A8_2021) Машинное обучение] || Совместный бакалавриат НИУ ВШЭ и РЭШ || 3 курс || 1-2 модули
|-
|
|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Economics_and_Finance_2020-2021 Data Analysis in Economics and Finance] || Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Journalism_and_Political_Science_2020-2021 Data Analysis in Journalism and Political Science]|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D1%8B%D0%B5_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020_1%D0%BC%D0%BE%D0%B4%D1%83%D0%BB%D1%8C Прикладные исследования в культурологии] || Прикладная культурология (магистратура) || 1 курс || 1 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8 Программирование и теория алгоритмов] || Фундаментальная и компьютерная лингвистика || 3 курс || 2, 3, 4 модули
|-
| [https://github.com/daria-sa/NNmethods_ba_hse21-22/ Нейросетевые методы в обработке текстов] || Фундаментальная и компьютерная лингвистика || 4 курс || 1, 2, 3 модули
|-

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
| [[Modern_Data_Analysis_2021_2022 | Modern Data Analysis]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2021_2022 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[Theory of Computation 2021 | Theory of Computation]] || Науки о данных, специализация ТИ || 1 year
|-
| [[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[RecSys_2021_2022 | Рекомендательные системы]] || ФТИАД || 2 year
|-
| [[Stochastic_analysis_2021_2022 | Стохастический анализ 2021-2022]] || Math of Machine Learning || 1 year
|-
| [[Reinforcement_learning_2021_2022 | Математические основы обучения с подкреплением 2021-2022]] || Math of Machine Learning || 2 year
|-
| [[Theoretical_Computer_Science_2022 | Theoretical computer science 2021-2022]] || Theoretical computer science || PhD
|-
| [[Машинное_обучение_(современные_методы)-МОиВС-2021-2022 | Машинное обучение (современные методы)]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Алгоритмы_и_структуры_данных-МОиВС-2021-2022 | Алгоритмы и структуры данных]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Основы_промышленной_разработки-МОиВС-2021-2022 | Основы промышленной разработки]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Глубинное обучение-МОиВС-2022-2023 | Глубинное обучение]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [http://wiki.cs.hse.ru/Econ_probability_2021-22 Теория вероятностей и математическая статистика] || фэн, 2 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2021/22|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив до 2020/21 учебного года включительно =
[[Wiki ФКН/Архив]]

Wiki ФКН

2022-09-05T11:38:32Z

Tipt0p: /* Курсы за 2022/23 учебный год */

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2022/23 учебный год ==

{| class="wikitable"
|-

! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(пилотный_поток) | Линейная алгебра и геометрия (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

[[Математический_анализ_1_2022/2023_(основной_поток) | Математический анализ-1 (основной поток)]]

[[DM1base-2022-23 | Дискретная математика (ПМИ основной поток + ЭАД)]]

[[Дискретная_математика_(пилотный_поток) | Дискретная математика (пилотный поток)]]

'''ПИ'''

'''ПАД'''

[[LAaG DSBA 2022/2023 | LAaG (DSBA)]]

[[Discrete Mathematics DSBA 2022/2023 | Discrete Mathematics ]]

'''КНАД'''

[[Дискретная_математика_КНАД 22/23| Дискретная математика (КНАД) ]]

[[Математический_анализ_КНАД 22/23| Математический анализ (КНАД) ]]

[[Линейная_алгебра_КНАД 22/23| Линейная алгебра (КНАД) ]]

[[Программирование_на_Python_КНАД 22/23| Программирование на Python (КНАД) ]]
||

'''ПМИ'''

[[Теория_вероятностей_2022/2023_(пилотный_поток)| Теория вероятностей (пилотный поток)]]

[[Теория_вероятностей_2022/2023_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_Анализ_2_на_ПМИ_2022/2023_(пилотный_поток) | Математический анализ - 2 (пилотный поток)]]

[[Математический_анализ_-_2_(2022/23) | Математический анализ - 2 (основной поток)]]

[[Язык_программирования_C%2B%2B_(углубленный_курс)_2022 | Язык программирования C++ (углубленный курс)]]

[[Математическая_логика_ПМИ_22/23 | Математическая логика ]]

[[Продвинутый_Python_2022/2023 | Продвинутый Python ]]

[[Алгоритмы_и_структуры_данных_2_2022/2023 | Алгоритмы и структуры данных - 2 ]]

'''ПИ'''

'''ПАД'''

[[Business_and_Management_in_Global_Context_22/23 | Business and Management in Global Context 22/23]]

'''КНАД'''

[[Алгебра КНАД 2022/2023 | Алгебра]]

[[Математический_анализ -- 2 (2022/23) | Математический анализ -- 2]]

[[Алгоритмы_и_структуры_данных_2_КНАД 22/23 | Алгоритмы и структуры данных 2]]

[[Теория_вероятностей_КНАД 22/23 | Теория вероятностей ]]
||

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1]]

[[Theory of Computation 2022 | Theory of Computation]]

[[ Operation Research and Game Theory | Operation Research and Game Theory]]

[[ Statistical Learning Theory 2022 | Statistical Learning Theory]]

[[ Функциональное_программирование_22-23 | Функциональное программирование ]]

'''ПМИ / МОП'''

[[Прикладная_статистика_в_машинном_обучении_22/23 | Прикладная статистика в машинном обучении 22/23]]

[[НИС_Машинное_обучение_и_приложения_3_курс_2022/2023 | НИС Машинное обучение и приложения 3 курс]]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/a35a6a40088b44a7a9e374727a0f2548 Распределенные системы]

[https://osukhoroslov-hse.notion.site/dbce4f5101ed47dca0b363122f139aac НИС Распределенные системы]

'''ПИ'''

'''ПАД'''

[[tssp-2022-23 | Time series and stochastic processes 2022-23]]

||

'''ПМИ'''

[[НИС_Машинное_обучение_и_приложения_4_курс_2022/2023 | НИС Машинное обучение и приложения 4 курс]]

[[OWF2022 | Односторонние функции и их применения]]

[[ Функциональное_программирование_22-23 | Функциональное программирование ]]

'''ПИ'''

'''ПАД'''

[[ Statistics4MR-2022-23 | Statistics for Market Research 2022-23]]

||

|}

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

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Цифровая грамотность для международных отношений 22/23 | Цифровая грамотность для международных отношений 22/23]] || || ||

|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_%D0%BC%D0%B5%D0%B6%D0%B4%D1%83%D0%BD%D0%B0%D1%80%D0%BE%D0%B4%D0%BD%D1%8B%D1%85_%D0%BE%D1%82%D0%BD%D0%BE%D1%88%D0%B5%D0%BD%D0%B8%D1%8F%D1%85_22/23#.D0.9D.D0.B5.D0.BE.D0.B1.D1.85.D0.BE.D0.B4.D0.B8.D0.BC.D1.8B.D0.B5_.D1.81.D1.81.D1.8B.D0.BB.D0.BA.D0.B8 Основы анализа данных для международных отношений 22/23] || || ||

|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%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%D1%8F_%D0%BD%D0%B0_Python_%D0%BE%D1%81%D0%B5%D0%BD%D1%8C_2022_%D0%BC%D0%B0%D1%82%D1%84%D0%B0%D0%BA#.D0.9F.D1.80.D0.B0.D0.B2.D0.B8.D0.BB.D0.B0_.D0.B4.D0.B5.D0.B4.D0.BB.D0.B0.D0.B9.D0.BD.D0.BE.D0.B2 Основы программирования на Python осень 2022 матфак] || || ||

|-
| [[ ссылка | Анализ данных]] || Медиакоммуникации, Журналистика || 2 курс || 1-2 модуль
|}

== Курсы магистратуры ФКН ==

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[econ_probability_2022-23|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[econ_dynamic_opt_2022-23|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
| [[icef-dse-2022-23|Data Science for Economics 2022-23]] ||icef, 3-4 year || 1-2 module
|-
| [[Лицей ВШЭ. Практикум по программированию 10 класс 2022-23 | Лицей ВШЭ. Практикум по программированию 10 класс]] || Лицей ВШЭ || 10 класс
|-
|}

= Архив =

== Курсы за 2021/22 учебный год ==
{| class="wikitable"
|-

! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(пилотный_поток) | Линейная алгебра и геометрия (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

[[Алгебра_на_ПМИ_2021/2022_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2021/2022_(основной_поток) | Алгебра (основной поток)]]

[[Математический_Анализ_1_на_ПМИ_2021/2022_(пилотный_поток) | Математический анализ 1 (пилотный поток)]]

[[Математический_анализ_1_2021/2022_(основной_поток) | Математический анализ-1 (основной поток)]]

[[DM1-2021-22 | Дискретная математика]]

[http://wiki.cs.hse.ru/Основы_и_методология_программирования_на_ПМИ_2021/2022_(основной_поток) Основы и методология программирования 2021/2022 (основной поток)]

[[Алгоритмы и структуры данных пилотный поток 2021/2022 | Алгоритмы и структуры данных пилотный поток 2021/2022]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 (4 модуль) | Алгоритмы и структуры данных 1 основной поток 2021/2022 (4 модуль)]]

'''ПИ'''

[[DM1-SE-2021-22 | Дискретная математика-1 ПИ]]

[http://hsealgebra22.wikidot.com/ Алгебра 2021/2022 ПИ wikidot]

[[Алгебра 2021/2022 ПИ | Алгебра 2021/2022 ПИ]]

'''ПАД'''

[[Algebra_DSBA_2021/2022 | Algebra DSBA]]

[[Discrete Mathematics DSBA 2021/2022 | Discrete Mathematics (DSBA)]]

[[LAaG DSBA 2021/2022 | LAaG (DSBA)]]

[[Calculus DSBA 2021/2022 | Calculus (DSBA)]]

[[Introduction to Programming DSBA 2021/2022 | Introduction to Programming (DSBA)]]

'''КНАД'''

[[Математический_анализ_(КНАД) | Математический анализ (КНАД)]]

[[Линейная алгебра_(КНАД) | Линейная алгебра (КНАД)]]

[[Программирование_на_Python | Программирование на Python (КНАД)]]

[[Дискретная_математика_КНАД | Дискретная математика (КНАД)]]

[[Алгоритмы и структуры данных-1 2021/2022 4 модуль (КНАД) | Алгоритмы и структуры данных (КНАД)]]

[[Программирование_на_С++_КНАД | Программирование на С++ (КНАД)]]

[[Python_для_сбора_и_анализа_данных_КНАД | Python для сбора и анализа данных (КНАД)]]

[[ИПР_КНАД_22 | Инструменты промышленной разработки (КНАД)]]

||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2021/2022_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2021/2022_(основной_поток)| ТВиМС (основной поток)]]

[[Математический анализ 2021/2022 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_-_2.1_(2021/22) Математический анализ - 2.1 (основной поток)]

[[Математический_анализ_-_2.2_(2021/22) | Математический анализ - 2.2 (основной поток)]]

[[MissingSemester2021/2022 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[Язык программирования C++ (углубленный курс) | Язык программирования C++ (углубленный курс)]]

[[Математическая логика | Математическая логика]]

[[Дифференциальные уравнения (ПМИ)]]

[[Алгоритмы и структуры данных 2 2021 | Алгоритмы и структуры данных 2]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (пилотный поток)]]

[[CAOS-2021 | Архитектура компьютеров и операционные системы]]

[[Основы_матричных_вычислений_2021/2022| Основы матричных вычислений 2021/2022]]

'''ПИ'''

[[Алгоритмы и структуры данных на ПИ 2021/2022 | Алгоритмы и структуры данных на ПИ]]

[[Теория вероятностей и математическая статистика 2021-2022 | Теория вероятностей и математическая статистика]]

[[НИС Методы и алгоритмы защиты информации | НИС Методы и алгоритмы защиты информации]]

'''ПАД'''

[[Discrete Mathematics 2 DSBA 2021/2022 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2021/22 | Business and Management in Global Context (DSBA)]]

[[Statistics_DSBA_2021/2022 | Probability and Statistics (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

[[ACOS_DSBA_2021/2022 | Computer Architecture and Operating Systems (DSBA)]]

||

[https://www.notion.so/2021-2022-7374a6eeced2434288226a339bd5037f Курсовая работа]

'''ПМИ'''

[[Intro_to_DL_21/22 | Introduction to Deep Learning 21/22 ]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_2022#.D0.A3.D1.87.D0.B5.D0.B1.D0.BD.D1.8B.D0.B9_.D0.BF.D0.BB.D0.B0.D0.BD Численные методы (2022)]

[[Методы_оптимизации_21/22 | Методы оптимизации 21/22]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_22 Математическое моделирование]

[http://wiki.cs.hse.ru/NIS-TCS-20-21 НИС Теоретическая информатика]

[[time_series_modelling_21_22 | Моделирование временных рядов 21/22]]

[[Анализ данных в бизнесе (Кафедра SAS) 21/22 | Анализ данных в бизнесе (Кафедра SAS) 21/22]]

[[Comb2021_2022 | Комбинаторные конструкции в теоретической информатике]]

[[Машинное_обучение_1/2021_2022 | Машинное обучение 1]]

[[Theory of Computation 2021 | Theory of Computation]]

[http://math-info.hse.ru/s21/8 Прикладные дифференциальные уравнения]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Промышленное_программирование_на_языке_Java/2022 | Промышленное программирование на языке Java]]

'''ПМИ / PC'''

[https://osukhoroslov-hse.notion.site/5ca71a3b2b17452599f169468df43408 НИС Распределенные системы]

[[Database_Systems_2022 | Database Systems 2022]]

[https://osukhoroslov-hse.notion.site/082aef7073a844afa4c1bf718a773d77 Распределенные системы]

[https://naorlov.notion.site/naorlov/Nets-2021-51931594039e40aeb9102b784d7a8e70 Компьютерные сети]

'''ПМИ / МОП'''

[[Машинное_обучение_2 | Машинное обучение 2]]

[[Методы оптимизации в машинном обучении 2022| Методы оптимизации в машинном обучении 2022]]

[[НИС_Машинное_обучение_и_приложения_3_курс_2021/2022 | НИС Машинное обучение и приложения 3 курс]]

[http://wiki.cs.hse.ru/Psmo_21_22 Прикладная статистика в машинном обучении 21/22]

[[Statistical_learning_theory_2021 | Statistical learning theory]]

'''ПИ'''

[[ML4SE_1 | НИС Машинное обучение для программной инженерии]]

[[Технологии прикладного анализа данных SAS | Технологии прикладного анализа данных SAS]]

'''ПАД'''

[http://wiki.cs.hse.ru/Time_Series_and_Stochastic_Processes_ada_21_22 Time series and stochastic processes 2021-22]

[https://github.com/xenakas/dsba_ecm_2021 Elements of Econometrics ]

[[Data Science Case Studies (JD SAS) 21/22 | Data Science Case Studies (JD SAS) 21/22]]

[[SAS Technologies for Data Mining | SAS Technologies for Data Mining]]
[[Optimization_Methods_2022 | Optimization Methods]]

||

[[Введение_в_дифференциальную_геометрию_2022 | Введение в дифференциальную геометрию 2022]]

[[Символьные_вычисления_21/22 | Символьные вычисления 21/22]]

[[Случайные_процессы_(зима_2022) | Случайные процессы (зима 2022) ]]

[[Методы_сжатия_и_передачи_медиаданных_21/22 | Методы сжатия и передачи медиаданных 21/22]]

[[Теория_и_практика_онлайн-экспериментов_21/22 | Теория и практика онлайн-экспериментов 21/22]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC_21/22 Дизайн систем]

[http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D1%82%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D1%85_%D0%B2%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%B8%D0%B9 Основы тензорых вычислений]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Байесовские_методы_машинного_обучения_2021 | Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_4_курс_2021/2022 | НИС Машинное обучение и приложения 4 курс]]

[https://artemova.notion.site/artemova/c88a68750cff4b509699fa127be11801 Глубинное обучение для текстовых данных 2021/2022]

[http://wiki.cs.hse.ru/LSML_2021/2022 Машинное обучение для больших данных 21/22]

[[Эффективные системы глубинного обучения 21/22|Эффективные системы глубинного обучения]]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/2-0cd36b67b9f64182bfeabcda9ede647a НИС Распределенные системы 2]

[[msbdp_21 | Методы и системы обработки больших данных]]

[https://osukhoroslov-hse.notion.site/cee4a50ac8cf4e328cefbd35cf822fa5 Облачные вычисления]

'''ПМИ / ТИ'''

[[InfTheory2021 | Теория информации]]

[[OWF2021 | Односторонние функции и их применения]]

[[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]]

'''ПАД'''

[[Statistics 4mr 2021-22 | Statistical Methods for Market Research (DSBA)]]

[[Decision Making Strategy]]

||

[[Дополнительные_главы_теории_вероятностей_2022|ДГТВ]]

[[Дополнительные_главы_теории_вероятностей-2_2021/2022|ДГТВ-2]]

[[Теория_вычислений_2022|Теория вычислений]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

[[Криптография_на_решётках_21/22| Криптография на решётках]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%91%D0%B8%D0%BE%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%D0%B0_1_%D0%B3%D0%BE%D0%B4_2021/22 Майнор Биоинформатика 1 год 2021/22]

[[Майнор_Биоинформатика_2_год_2021/22|Майнор Биоинформатика 2 год 2021/22]]

[[Введение_в_программирование_21/22_(майнор_ИАД) | Введение в программирование 21/22 (майнор ИАД)]]

[[Основы_машинного_обучения | Основы машинного обучения (майнор ИАД)]]

[[Основы_глубинного_обучения | Основы глубинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных | Прикладные задачи анализа данных (майнор ИАД)]]

[[Функциональное_программирование_2019 | Функциональное программирование 2021]]

[[KotlinElective|Факультатив "Язык Kotlin" (ноя-дек 2021)]]

[[Dopglavy_DM_2022| Дополнительные главы дискретной математики]]

[[Факультатив_Data_Science_в_игровой_индустрии_(SAS) | Факультатив Data Science в игровой индустрии (SAS)]]

[[Факультатив_Анализ_данных_на_платформе_SAS | Факультатив Анализ данных на платформе SAS]]

[https://rroll.to/2D8yXl Основы и методология пикапа на ПМИ 2021/2022]

|}

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

=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%BD%D0%B0_%D1%8F%D0%B7%D1%8B%D0%BA%D0%B5_Python,_%D0%B6%D1%83%D1%80%D0%BD%D0%B0%D0%BB%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_2022 Программирование на языке Python] || Журналистика || 2 курс || 4 модуль
|-
| [http://wiki.cs.hse.ru/Программирование_на_Python_деп_медиа_2022 Программирование на языке Python] || Журналистика и Медиакоммуникации || 1 курс || 3 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Психология%22_2021/2022 Программирование на языке Python] ||Психология || 1 курс || 3-4 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Экономика_и_статистика%22_и_ОП_%22География_глобальных_изменений%22_2021/2022 Программирование на языке Python] ||Экономика и статистика; География глобальных изменений || 2 курс || 3 модуль
|-
| [[Культура работы с данными]] ||Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[Машинное обучение на матфаке 2022|Машинное обучение]] || Математика || 3-4 модули || 3-4 модули
|-
| [[Введение_в_МО_БИ_21/22| Введение в машинное обучение]] || Бизнес-информатика || 3 курс || 3-4 модули
|-
| [[Excel для анализа данных 21-22]] || Иностранные языки и межкультурная коммуникация || 4 курс || 3 модуль
|-
| [[Введение в Data Science 21-22]] || УБ и МиРА || 2 курс || 4 модуль
|-
| [[Основы программирования в Python (Мирэк) 2022 | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
|[http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%A5%D0%B8%D0%BC%D0%B8%D1%8F Python для извлечения и обработки данных] || Химия || 2 курс || 4 модуль
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Городское_планирование_2021-2022 Цифровая грамотность] || Городское планирование || 1 курс || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%93%D0%B5%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_2020/21 Цифровая грамотность] || География глобальных измерений и геоинформационные технологии || 1 курс || 1-2 модули
|-
| [[Цифровая грамотность, Востоковедение 2021/2022| Цифровая грамотность]] || Востоковедение || 1 курс || 1-2 модули
|-
|[[Цифровая Грамотность ИКВиА 2021/2022 | Цифровая грамотность]] || ИКВиА || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция:частное право || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%8F_2021/2022 Цифровая грамотность] ||История || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Филология_2021/2022 Цифровая грамотность] || Филология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2020-21_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Культурология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%94%D0%B5%D0%BF%D0%B0%D1%80%D1%82%D0%B0%D0%BC%D0%B5%D0%BD%D1%82_%D0%9C%D0%B5%D0%B4%D0%B8%D0%B0_2021-2022 Цифровая грамотность] || Медиакоммуникации и Журналистика || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Философия_2021/2022 Цифровая грамотность] || Философия || 1 курс || 1-2 модуль
|-
| [http://wiki.cs.hse.ru/Основы_программирования_на_Python_осень_2021_матфак Основы программирования на Python] || Математика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_R,_%D0%A1%D0%BE%D1%86%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в R] || Социология || 4 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D0%9C%D0%A1%D0%90%D0%A0-2_2020 Методы анализа больших данных в исследованиях поведения покупателя] || Прикладные методы социального анализа рынков (магистратура) || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2021-2022 Машинное обучение] || Экономика || 3,4 курс || 1-2 модули
|-
| [[Программирование_ЭкСтат_ГП | Программирование на языке Python ]] || Городское планирование, Экономика и статистика || 3 курс || 1-2 модули
|-
| [[Основы анализа данных в международных отношениях 2021/2022 | Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85 Python извлечение и обработка данных] || Клеточная и молекулярная биотехнология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%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%D1%8F_%D0%B2_Python_(%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_2020) Основы программирования в Python ] || Политология || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Основы_работы_с_данными:_сбор,_анализ,_визуализация_(ОП_%22Журналистика%22) Основы работы с данными: сбор, анализ, визуализация] || Журналистика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_Data_Science Data Science] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме (магистратура) || 1 курс || 2 модуль
|-
| [http://wiki.cs.hse.ru/%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_(%D1%81%D0%BE%D0%B2._%D0%B1%D0%B0%D0%BA._%D0%92%D0%A8%D0%AD-%D0%A0%D0%AD%D0%A8_2021) Машинное обучение] || Совместный бакалавриат НИУ ВШЭ и РЭШ || 3 курс || 1-2 модули
|-
|
|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Economics_and_Finance_2020-2021 Data Analysis in Economics and Finance] || Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Journalism_and_Political_Science_2020-2021 Data Analysis in Journalism and Political Science]|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D1%8B%D0%B5_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020_1%D0%BC%D0%BE%D0%B4%D1%83%D0%BB%D1%8C Прикладные исследования в культурологии] || Прикладная культурология (магистратура) || 1 курс || 1 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8 Программирование и теория алгоритмов] || Фундаментальная и компьютерная лингвистика || 3 курс || 2, 3, 4 модули
|-
| [https://github.com/daria-sa/NNmethods_ba_hse21-22/ Нейросетевые методы в обработке текстов] || Фундаментальная и компьютерная лингвистика || 4 курс || 1, 2, 3 модули
|-

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
| [[Modern_Data_Analysis_2021_2022 | Modern Data Analysis]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2021_2022 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[Theory of Computation 2021 | Theory of Computation]] || Науки о данных, специализация ТИ || 1 year
|-
| [[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[RecSys_2021_2022 | Рекомендательные системы]] || ФТИАД || 2 year
|-
| [[Stochastic_analysis_2021_2022 | Стохастический анализ 2021-2022]] || Math of Machine Learning || 1 year
|-
| [[Reinforcement_learning_2021_2022 | Математические основы обучения с подкреплением 2021-2022]] || Math of Machine Learning || 2 year
|-
| [[Theoretical_Computer_Science_2022 | Theoretical computer science 2021-2022]] || Theoretical computer science || PhD
|-
| [[Машинное_обучение_(современные_методы)-МОиВС-2021-2022 | Машинное обучение (современные методы)]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Алгоритмы_и_структуры_данных-МОиВС-2021-2022 | Алгоритмы и структуры данных]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Основы_промышленной_разработки-МОиВС-2021-2022 | Основы промышленной разработки]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Глубинное обучение-МОиВС-2022-2023 | Глубинное обучение]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [http://wiki.cs.hse.ru/Econ_probability_2021-22 Теория вероятностей и математическая статистика] || фэн, 2 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2021/22|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив до 2020/21 учебного года включительно =
[[Wiki ФКН/Архив]]

Wiki ФКН

2022-09-05T11:38:11Z

Tipt0p: /* Курсы за 2022/23 учебный год */

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2022/23 учебный год ==

{| class="wikitable"
|-

! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(пилотный_поток) | Линейная алгебра и геометрия (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

[[Математический_анализ_1_2022/2023_(основной_поток) | Математический анализ-1 (основной поток)]]

[[DM1base-2022-23 | Дискретная математика (ПМИ основной поток + ЭАД)]]

[[Дискретная_математика_(пилотный_поток) | Дискретная математика (пилотный поток)]]

'''ПИ'''

'''ПАД'''

[[LAaG DSBA 2022/2023 | LAaG (DSBA)]]

[[Discrete Mathematics DSBA 2022/2023 | Discrete Mathematics ]]

'''КНАД'''

[[Дискретная_математика_КНАД 22/23| Дискретная математика (КНАД) ]]

[[Математический_анализ_КНАД 22/23| Математический анализ (КНАД) ]]

[[Линейная_алгебра_КНАД 22/23| Линейная алгебра (КНАД) ]]

[[Программирование_на_Python_КНАД 22/23| Программирование на Python (КНАД) ]]
||

'''ПМИ'''

[[Теория_вероятностей_2022/2023_(пилотный_поток)| Теория вероятностей (пилотный поток)]]

[[Теория_вероятностей_2022/2023_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_Анализ_2_на_ПМИ_2022/2023_(пилотный_поток) | Математический анализ - 2 (пилотный поток)]]

[[Математический_анализ_-_2_(2022/23) | Математический анализ - 2 (основной поток)]]

[[Язык_программирования_C%2B%2B_(углубленный_курс)_2022 | Язык программирования C++ (углубленный курс)]]

[[Математическая_логика_ПМИ_22/23 | Математическая логика ]]

[[Продвинутый_Python_2022/2023 | Продвинутый Python ]]

[[Алгоритмы_и_структуры_данных_2_2022/2023 | Алгоритмы и структуры данных - 2 ]]

'''ПИ'''

'''ПАД'''

[[Business_and_Management_in_Global_Context_22/23 | Business and Management in Global Context 22/23]]

'''КНАД'''

[[Алгебра КНАД 2022/2023 | Алгебра]]

[[Математический_анализ -- 2 (2022/23) | Математический анализ -- 2]]

[[Алгоритмы_и_структуры_данных_2_КНАД 22/23 | Алгоритмы и структуры данных 2]]

[[Теория_вероятностей_КНАД 22/23 | Теория вероятностей ]]
||

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1]]

[[НИС_Машинное_обучение_и_приложения_3_курс_2022/2023 | НИС Машинное обучение и приложения 3 курс]]

[[Theory of Computation 2022 | Theory of Computation]]

[[ Operation Research and Game Theory | Operation Research and Game Theory]]

[[ Statistical Learning Theory 2022 | Statistical Learning Theory]]

[[ Функциональное_программирование_22-23 | Функциональное программирование ]]

'''ПМИ / МОП'''

[[Прикладная_статистика_в_машинном_обучении_22/23 | Прикладная статистика в машинном обучении 22/23]]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/a35a6a40088b44a7a9e374727a0f2548 Распределенные системы]

[https://osukhoroslov-hse.notion.site/dbce4f5101ed47dca0b363122f139aac НИС Распределенные системы]

'''ПИ'''

'''ПАД'''

[[tssp-2022-23 | Time series and stochastic processes 2022-23]]

||

'''ПМИ'''

[[НИС_Машинное_обучение_и_приложения_4_курс_2022/2023 | НИС Машинное обучение и приложения 4 курс]]

[[OWF2022 | Односторонние функции и их применения]]

[[ Функциональное_программирование_22-23 | Функциональное программирование ]]

'''ПИ'''

'''ПАД'''

[[ Statistics4MR-2022-23 | Statistics for Market Research 2022-23]]

||

|}

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

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Цифровая грамотность для международных отношений 22/23 | Цифровая грамотность для международных отношений 22/23]] || || ||

|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_%D0%BC%D0%B5%D0%B6%D0%B4%D1%83%D0%BD%D0%B0%D1%80%D0%BE%D0%B4%D0%BD%D1%8B%D1%85_%D0%BE%D1%82%D0%BD%D0%BE%D1%88%D0%B5%D0%BD%D0%B8%D1%8F%D1%85_22/23#.D0.9D.D0.B5.D0.BE.D0.B1.D1.85.D0.BE.D0.B4.D0.B8.D0.BC.D1.8B.D0.B5_.D1.81.D1.81.D1.8B.D0.BB.D0.BA.D0.B8 Основы анализа данных для международных отношений 22/23] || || ||

|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%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%D1%8F_%D0%BD%D0%B0_Python_%D0%BE%D1%81%D0%B5%D0%BD%D1%8C_2022_%D0%BC%D0%B0%D1%82%D1%84%D0%B0%D0%BA#.D0.9F.D1.80.D0.B0.D0.B2.D0.B8.D0.BB.D0.B0_.D0.B4.D0.B5.D0.B4.D0.BB.D0.B0.D0.B9.D0.BD.D0.BE.D0.B2 Основы программирования на Python осень 2022 матфак] || || ||

|-
| [[ ссылка | Анализ данных]] || Медиакоммуникации, Журналистика || 2 курс || 1-2 модуль
|}

== Курсы магистратуры ФКН ==

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[econ_probability_2022-23|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[econ_dynamic_opt_2022-23|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
| [[icef-dse-2022-23|Data Science for Economics 2022-23]] ||icef, 3-4 year || 1-2 module
|-
| [[Лицей ВШЭ. Практикум по программированию 10 класс 2022-23 | Лицей ВШЭ. Практикум по программированию 10 класс]] || Лицей ВШЭ || 10 класс
|-
|}

= Архив =

== Курсы за 2021/22 учебный год ==
{| class="wikitable"
|-

! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(пилотный_поток) | Линейная алгебра и геометрия (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

[[Алгебра_на_ПМИ_2021/2022_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2021/2022_(основной_поток) | Алгебра (основной поток)]]

[[Математический_Анализ_1_на_ПМИ_2021/2022_(пилотный_поток) | Математический анализ 1 (пилотный поток)]]

[[Математический_анализ_1_2021/2022_(основной_поток) | Математический анализ-1 (основной поток)]]

[[DM1-2021-22 | Дискретная математика]]

[http://wiki.cs.hse.ru/Основы_и_методология_программирования_на_ПМИ_2021/2022_(основной_поток) Основы и методология программирования 2021/2022 (основной поток)]

[[Алгоритмы и структуры данных пилотный поток 2021/2022 | Алгоритмы и структуры данных пилотный поток 2021/2022]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 (4 модуль) | Алгоритмы и структуры данных 1 основной поток 2021/2022 (4 модуль)]]

'''ПИ'''

[[DM1-SE-2021-22 | Дискретная математика-1 ПИ]]

[http://hsealgebra22.wikidot.com/ Алгебра 2021/2022 ПИ wikidot]

[[Алгебра 2021/2022 ПИ | Алгебра 2021/2022 ПИ]]

'''ПАД'''

[[Algebra_DSBA_2021/2022 | Algebra DSBA]]

[[Discrete Mathematics DSBA 2021/2022 | Discrete Mathematics (DSBA)]]

[[LAaG DSBA 2021/2022 | LAaG (DSBA)]]

[[Calculus DSBA 2021/2022 | Calculus (DSBA)]]

[[Introduction to Programming DSBA 2021/2022 | Introduction to Programming (DSBA)]]

'''КНАД'''

[[Математический_анализ_(КНАД) | Математический анализ (КНАД)]]

[[Линейная алгебра_(КНАД) | Линейная алгебра (КНАД)]]

[[Программирование_на_Python | Программирование на Python (КНАД)]]

[[Дискретная_математика_КНАД | Дискретная математика (КНАД)]]

[[Алгоритмы и структуры данных-1 2021/2022 4 модуль (КНАД) | Алгоритмы и структуры данных (КНАД)]]

[[Программирование_на_С++_КНАД | Программирование на С++ (КНАД)]]

[[Python_для_сбора_и_анализа_данных_КНАД | Python для сбора и анализа данных (КНАД)]]

[[ИПР_КНАД_22 | Инструменты промышленной разработки (КНАД)]]

||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2021/2022_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2021/2022_(основной_поток)| ТВиМС (основной поток)]]

[[Математический анализ 2021/2022 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_-_2.1_(2021/22) Математический анализ - 2.1 (основной поток)]

[[Математический_анализ_-_2.2_(2021/22) | Математический анализ - 2.2 (основной поток)]]

[[MissingSemester2021/2022 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[Язык программирования C++ (углубленный курс) | Язык программирования C++ (углубленный курс)]]

[[Математическая логика | Математическая логика]]

[[Дифференциальные уравнения (ПМИ)]]

[[Алгоритмы и структуры данных 2 2021 | Алгоритмы и структуры данных 2]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (пилотный поток)]]

[[CAOS-2021 | Архитектура компьютеров и операционные системы]]

[[Основы_матричных_вычислений_2021/2022| Основы матричных вычислений 2021/2022]]

'''ПИ'''

[[Алгоритмы и структуры данных на ПИ 2021/2022 | Алгоритмы и структуры данных на ПИ]]

[[Теория вероятностей и математическая статистика 2021-2022 | Теория вероятностей и математическая статистика]]

[[НИС Методы и алгоритмы защиты информации | НИС Методы и алгоритмы защиты информации]]

'''ПАД'''

[[Discrete Mathematics 2 DSBA 2021/2022 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2021/22 | Business and Management in Global Context (DSBA)]]

[[Statistics_DSBA_2021/2022 | Probability and Statistics (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

[[ACOS_DSBA_2021/2022 | Computer Architecture and Operating Systems (DSBA)]]

||

[https://www.notion.so/2021-2022-7374a6eeced2434288226a339bd5037f Курсовая работа]

'''ПМИ'''

[[Intro_to_DL_21/22 | Introduction to Deep Learning 21/22 ]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_2022#.D0.A3.D1.87.D0.B5.D0.B1.D0.BD.D1.8B.D0.B9_.D0.BF.D0.BB.D0.B0.D0.BD Численные методы (2022)]

[[Методы_оптимизации_21/22 | Методы оптимизации 21/22]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_22 Математическое моделирование]

[http://wiki.cs.hse.ru/NIS-TCS-20-21 НИС Теоретическая информатика]

[[time_series_modelling_21_22 | Моделирование временных рядов 21/22]]

[[Анализ данных в бизнесе (Кафедра SAS) 21/22 | Анализ данных в бизнесе (Кафедра SAS) 21/22]]

[[Comb2021_2022 | Комбинаторные конструкции в теоретической информатике]]

[[Машинное_обучение_1/2021_2022 | Машинное обучение 1]]

[[Theory of Computation 2021 | Theory of Computation]]

[http://math-info.hse.ru/s21/8 Прикладные дифференциальные уравнения]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Промышленное_программирование_на_языке_Java/2022 | Промышленное программирование на языке Java]]

'''ПМИ / PC'''

[https://osukhoroslov-hse.notion.site/5ca71a3b2b17452599f169468df43408 НИС Распределенные системы]

[[Database_Systems_2022 | Database Systems 2022]]

[https://osukhoroslov-hse.notion.site/082aef7073a844afa4c1bf718a773d77 Распределенные системы]

[https://naorlov.notion.site/naorlov/Nets-2021-51931594039e40aeb9102b784d7a8e70 Компьютерные сети]

'''ПМИ / МОП'''

[[Машинное_обучение_2 | Машинное обучение 2]]

[[Методы оптимизации в машинном обучении 2022| Методы оптимизации в машинном обучении 2022]]

[[НИС_Машинное_обучение_и_приложения_3_курс_2021/2022 | НИС Машинное обучение и приложения 3 курс]]

[http://wiki.cs.hse.ru/Psmo_21_22 Прикладная статистика в машинном обучении 21/22]

[[Statistical_learning_theory_2021 | Statistical learning theory]]

'''ПИ'''

[[ML4SE_1 | НИС Машинное обучение для программной инженерии]]

[[Технологии прикладного анализа данных SAS | Технологии прикладного анализа данных SAS]]

'''ПАД'''

[http://wiki.cs.hse.ru/Time_Series_and_Stochastic_Processes_ada_21_22 Time series and stochastic processes 2021-22]

[https://github.com/xenakas/dsba_ecm_2021 Elements of Econometrics ]

[[Data Science Case Studies (JD SAS) 21/22 | Data Science Case Studies (JD SAS) 21/22]]

[[SAS Technologies for Data Mining | SAS Technologies for Data Mining]]
[[Optimization_Methods_2022 | Optimization Methods]]

||

[[Введение_в_дифференциальную_геометрию_2022 | Введение в дифференциальную геометрию 2022]]

[[Символьные_вычисления_21/22 | Символьные вычисления 21/22]]

[[Случайные_процессы_(зима_2022) | Случайные процессы (зима 2022) ]]

[[Методы_сжатия_и_передачи_медиаданных_21/22 | Методы сжатия и передачи медиаданных 21/22]]

[[Теория_и_практика_онлайн-экспериментов_21/22 | Теория и практика онлайн-экспериментов 21/22]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC_21/22 Дизайн систем]

[http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D1%82%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D1%85_%D0%B2%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%B8%D0%B9 Основы тензорых вычислений]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Байесовские_методы_машинного_обучения_2021 | Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_4_курс_2021/2022 | НИС Машинное обучение и приложения 4 курс]]

[https://artemova.notion.site/artemova/c88a68750cff4b509699fa127be11801 Глубинное обучение для текстовых данных 2021/2022]

[http://wiki.cs.hse.ru/LSML_2021/2022 Машинное обучение для больших данных 21/22]

[[Эффективные системы глубинного обучения 21/22|Эффективные системы глубинного обучения]]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/2-0cd36b67b9f64182bfeabcda9ede647a НИС Распределенные системы 2]

[[msbdp_21 | Методы и системы обработки больших данных]]

[https://osukhoroslov-hse.notion.site/cee4a50ac8cf4e328cefbd35cf822fa5 Облачные вычисления]

'''ПМИ / ТИ'''

[[InfTheory2021 | Теория информации]]

[[OWF2021 | Односторонние функции и их применения]]

[[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]]

'''ПАД'''

[[Statistics 4mr 2021-22 | Statistical Methods for Market Research (DSBA)]]

[[Decision Making Strategy]]

||

[[Дополнительные_главы_теории_вероятностей_2022|ДГТВ]]

[[Дополнительные_главы_теории_вероятностей-2_2021/2022|ДГТВ-2]]

[[Теория_вычислений_2022|Теория вычислений]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

[[Криптография_на_решётках_21/22| Криптография на решётках]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%91%D0%B8%D0%BE%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%D0%B0_1_%D0%B3%D0%BE%D0%B4_2021/22 Майнор Биоинформатика 1 год 2021/22]

[[Майнор_Биоинформатика_2_год_2021/22|Майнор Биоинформатика 2 год 2021/22]]

[[Введение_в_программирование_21/22_(майнор_ИАД) | Введение в программирование 21/22 (майнор ИАД)]]

[[Основы_машинного_обучения | Основы машинного обучения (майнор ИАД)]]

[[Основы_глубинного_обучения | Основы глубинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных | Прикладные задачи анализа данных (майнор ИАД)]]

[[Функциональное_программирование_2019 | Функциональное программирование 2021]]

[[KotlinElective|Факультатив "Язык Kotlin" (ноя-дек 2021)]]

[[Dopglavy_DM_2022| Дополнительные главы дискретной математики]]

[[Факультатив_Data_Science_в_игровой_индустрии_(SAS) | Факультатив Data Science в игровой индустрии (SAS)]]

[[Факультатив_Анализ_данных_на_платформе_SAS | Факультатив Анализ данных на платформе SAS]]

[https://rroll.to/2D8yXl Основы и методология пикапа на ПМИ 2021/2022]

|}

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

=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%BD%D0%B0_%D1%8F%D0%B7%D1%8B%D0%BA%D0%B5_Python,_%D0%B6%D1%83%D1%80%D0%BD%D0%B0%D0%BB%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_2022 Программирование на языке Python] || Журналистика || 2 курс || 4 модуль
|-
| [http://wiki.cs.hse.ru/Программирование_на_Python_деп_медиа_2022 Программирование на языке Python] || Журналистика и Медиакоммуникации || 1 курс || 3 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Психология%22_2021/2022 Программирование на языке Python] ||Психология || 1 курс || 3-4 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Экономика_и_статистика%22_и_ОП_%22География_глобальных_изменений%22_2021/2022 Программирование на языке Python] ||Экономика и статистика; География глобальных изменений || 2 курс || 3 модуль
|-
| [[Культура работы с данными]] ||Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[Машинное обучение на матфаке 2022|Машинное обучение]] || Математика || 3-4 модули || 3-4 модули
|-
| [[Введение_в_МО_БИ_21/22| Введение в машинное обучение]] || Бизнес-информатика || 3 курс || 3-4 модули
|-
| [[Excel для анализа данных 21-22]] || Иностранные языки и межкультурная коммуникация || 4 курс || 3 модуль
|-
| [[Введение в Data Science 21-22]] || УБ и МиРА || 2 курс || 4 модуль
|-
| [[Основы программирования в Python (Мирэк) 2022 | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
|[http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%A5%D0%B8%D0%BC%D0%B8%D1%8F Python для извлечения и обработки данных] || Химия || 2 курс || 4 модуль
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Городское_планирование_2021-2022 Цифровая грамотность] || Городское планирование || 1 курс || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%93%D0%B5%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_2020/21 Цифровая грамотность] || География глобальных измерений и геоинформационные технологии || 1 курс || 1-2 модули
|-
| [[Цифровая грамотность, Востоковедение 2021/2022| Цифровая грамотность]] || Востоковедение || 1 курс || 1-2 модули
|-
|[[Цифровая Грамотность ИКВиА 2021/2022 | Цифровая грамотность]] || ИКВиА || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция:частное право || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%8F_2021/2022 Цифровая грамотность] ||История || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Филология_2021/2022 Цифровая грамотность] || Филология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2020-21_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Культурология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%94%D0%B5%D0%BF%D0%B0%D1%80%D1%82%D0%B0%D0%BC%D0%B5%D0%BD%D1%82_%D0%9C%D0%B5%D0%B4%D0%B8%D0%B0_2021-2022 Цифровая грамотность] || Медиакоммуникации и Журналистика || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Философия_2021/2022 Цифровая грамотность] || Философия || 1 курс || 1-2 модуль
|-
| [http://wiki.cs.hse.ru/Основы_программирования_на_Python_осень_2021_матфак Основы программирования на Python] || Математика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_R,_%D0%A1%D0%BE%D1%86%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в R] || Социология || 4 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D0%9C%D0%A1%D0%90%D0%A0-2_2020 Методы анализа больших данных в исследованиях поведения покупателя] || Прикладные методы социального анализа рынков (магистратура) || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2021-2022 Машинное обучение] || Экономика || 3,4 курс || 1-2 модули
|-
| [[Программирование_ЭкСтат_ГП | Программирование на языке Python ]] || Городское планирование, Экономика и статистика || 3 курс || 1-2 модули
|-
| [[Основы анализа данных в международных отношениях 2021/2022 | Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85 Python извлечение и обработка данных] || Клеточная и молекулярная биотехнология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%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%D1%8F_%D0%B2_Python_(%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_2020) Основы программирования в Python ] || Политология || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Основы_работы_с_данными:_сбор,_анализ,_визуализация_(ОП_%22Журналистика%22) Основы работы с данными: сбор, анализ, визуализация] || Журналистика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_Data_Science Data Science] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме (магистратура) || 1 курс || 2 модуль
|-
| [http://wiki.cs.hse.ru/%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_(%D1%81%D0%BE%D0%B2._%D0%B1%D0%B0%D0%BA._%D0%92%D0%A8%D0%AD-%D0%A0%D0%AD%D0%A8_2021) Машинное обучение] || Совместный бакалавриат НИУ ВШЭ и РЭШ || 3 курс || 1-2 модули
|-
|
|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Economics_and_Finance_2020-2021 Data Analysis in Economics and Finance] || Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Journalism_and_Political_Science_2020-2021 Data Analysis in Journalism and Political Science]|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D1%8B%D0%B5_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020_1%D0%BC%D0%BE%D0%B4%D1%83%D0%BB%D1%8C Прикладные исследования в культурологии] || Прикладная культурология (магистратура) || 1 курс || 1 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8 Программирование и теория алгоритмов] || Фундаментальная и компьютерная лингвистика || 3 курс || 2, 3, 4 модули
|-
| [https://github.com/daria-sa/NNmethods_ba_hse21-22/ Нейросетевые методы в обработке текстов] || Фундаментальная и компьютерная лингвистика || 4 курс || 1, 2, 3 модули
|-

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
| [[Modern_Data_Analysis_2021_2022 | Modern Data Analysis]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2021_2022 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[Theory of Computation 2021 | Theory of Computation]] || Науки о данных, специализация ТИ || 1 year
|-
| [[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[RecSys_2021_2022 | Рекомендательные системы]] || ФТИАД || 2 year
|-
| [[Stochastic_analysis_2021_2022 | Стохастический анализ 2021-2022]] || Math of Machine Learning || 1 year
|-
| [[Reinforcement_learning_2021_2022 | Математические основы обучения с подкреплением 2021-2022]] || Math of Machine Learning || 2 year
|-
| [[Theoretical_Computer_Science_2022 | Theoretical computer science 2021-2022]] || Theoretical computer science || PhD
|-
| [[Машинное_обучение_(современные_методы)-МОиВС-2021-2022 | Машинное обучение (современные методы)]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Алгоритмы_и_структуры_данных-МОиВС-2021-2022 | Алгоритмы и структуры данных]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Основы_промышленной_разработки-МОиВС-2021-2022 | Основы промышленной разработки]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Глубинное обучение-МОиВС-2022-2023 | Глубинное обучение]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [http://wiki.cs.hse.ru/Econ_probability_2021-22 Теория вероятностей и математическая статистика] || фэн, 2 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2021/22|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив до 2020/21 учебного года включительно =
[[Wiki ФКН/Архив]]

НИС Машинное обучение и приложения 3 курс 2022/2023

2022-09-05T10:38:15Z

Tipt0p: /* Расписание */

НИС Машинное обучение и приложения 3 курс 2022/2023

2022-09-05T09:02:22Z

Tipt0p: /* Доклады, отзывы на доклады и проверочные работы */

НИС Машинное обучение и приложения 3 курс 2022/2023

2022-09-05T08:34:42Z

Tipt0p: Новая страница: «=== Расписание === {| class="wikitable" |- ! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписа…»

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-03T12:27:44Z

Tipt0p: /* Расписание */

'''Страница в разработке'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| Yhn1124@gmail.com || среда 14:40
|-
|}

'''[https://docs.google.com/spreadsheets/d/1V1JBs-REcNKvvFcPovFqnCd7qcsjx3C5qPDGGQnUZTI/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[TBA Репозиторий с материалами]''' 
'''[TBA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [TBA форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20-25 минут.
# '''Рецензент + Практик-исследователь.''' TBA
# '''Хакер.''' Строит минимальный пример, который иллюстрирует идеи и результаты из статьи. На занятии показывает этот пример за 5-10 минут. Если, скажем, статья предлагает какой-то новый слой, трудно ли его реализовать? Можно ли воспроизвести эксперименты на синтетических данных? Или на небольших моделях? Результат работы, в идеале, должен быть оформлен как ноутбук с реализацией маленького примера метода/модели из статьи, который каждый слушатель сможет сам открыть в колабе и поиграться.

В течение года каждый студент принимает участие в TBA выступлениях. В ходе первых трех выступлений каждый студент поучаствует по одному разу в каждой роли. Роль на последующие выступления будет определяться преподавателями (случайно или в соответствии с оценками за первые 3 выступления). При нехватке занятий за последние выступления части студентов может быть выставлен автомат. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты рецензии, основные пункты исследования контекста, план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, рецензии и исследованием контекста работы) и одним ноутбуком с запрограммированным примером.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст рецензии в формате pdf, полный текст исследования контекста в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-03T11:46:58Z

Tipt0p:

'''Страница в разработке'''

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| Yhn1124@gmail.com || среда 14:40
|-
|}

'''[TBA Таблица с оценками и расписанием]''' 
'''[TBA Репозиторий с материалами]''' 
'''[TBA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [TBA форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20-25 минут.
# '''Рецензент + Практик-исследователь.''' TBA
# '''Хакер.''' Строит минимальный пример, который иллюстрирует идеи и результаты из статьи. На занятии показывает этот пример за 5-10 минут. Если, скажем, статья предлагает какой-то новый слой, трудно ли его реализовать? Можно ли воспроизвести эксперименты на синтетических данных? Или на небольших моделях? Результат работы, в идеале, должен быть оформлен как ноутбук с реализацией маленького примера метода/модели из статьи, который каждый слушатель сможет сам открыть в колабе и поиграться.

В течение года каждый студент принимает участие в TBA выступлениях. В ходе первых трех выступлений каждый студент поучаствует по одному разу в каждой роли. Роль на последующие выступления будет определяться преподавателями (случайно или в соответствии с оценками за первые 3 выступления). При нехватке занятий за последние выступления части студентов может быть выставлен автомат. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты рецензии, основные пункты исследования контекста, план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, рецензии и исследованием контекста работы) и одним ноутбуком с запрограммированным примером.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст рецензии в формате pdf, полный текст исследования контекста в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-03T11:46:45Z

Tipt0p: /* Расписание */

=== Расписание ===

'''Страница в разработке'''

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| Yhn1124@gmail.com || среда 14:40
|-
|}

'''[TBA Таблица с оценками и расписанием]''' 
'''[TBA Репозиторий с материалами]''' 
'''[TBA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [TBA форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20-25 минут.
# '''Рецензент + Практик-исследователь.''' TBA
# '''Хакер.''' Строит минимальный пример, который иллюстрирует идеи и результаты из статьи. На занятии показывает этот пример за 5-10 минут. Если, скажем, статья предлагает какой-то новый слой, трудно ли его реализовать? Можно ли воспроизвести эксперименты на синтетических данных? Или на небольших моделях? Результат работы, в идеале, должен быть оформлен как ноутбук с реализацией маленького примера метода/модели из статьи, который каждый слушатель сможет сам открыть в колабе и поиграться.

В течение года каждый студент принимает участие в TBA выступлениях. В ходе первых трех выступлений каждый студент поучаствует по одному разу в каждой роли. Роль на последующие выступления будет определяться преподавателями (случайно или в соответствии с оценками за первые 3 выступления). При нехватке занятий за последние выступления части студентов может быть выставлен автомат. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты рецензии, основные пункты исследования контекста, план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, рецензии и исследованием контекста работы) и одним ноутбуком с запрограммированным примером.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст рецензии в формате pdf, полный текст исследования контекста в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

Wiki ФКН

2022-09-03T11:44:19Z

Tipt0p: /* Курсы за 2022/23 учебный год */

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2022/23 учебный год ==

{| class="wikitable"
|-

! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(пилотный_поток) | Линейная алгебра и геометрия (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

'''ПИ'''

'''ПАД'''

[[LAaG DSBA 2022/2023 | LAaG (DSBA)]]

[[Discrete Mathematics DSBA 2022/2023 | Discrete Mathematics ]]

'''КНАД'''

[[Дискретная_математика_КНАД 22/23| Дискретная математика (КНАД) ]]

[[Математический_анализ_КНАД 22/23| Математический анализ (КНАД) ]]

[[Линейная_алгебра_КНАД 22/23| Линейная алгебра (КНАД) ]]

[[Программирование_на_Python_КНАД 22/23| Программирование на Python (КНАД) ]]
||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2022/2023_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Математический_анализ_-_2_(2022/23) | Математический анализ - 2 (основной поток)]]

[[Язык_программирования_C%2B%2B_(углубленный_курс)_2022 | Язык программирования C++ (углубленный курс)]]

[[Математическая_логика_ПМИ_22/23 | Математическая логика ]]

'''ПИ'''

'''ПАД'''

[[Business_and_Management_in_Global_Context_22/23 | Business and Management in Global Context 22/23]]

'''КНАД'''

[[Алгебра КНАД 2022/2023 | Алгебра]]

[[Математический_анализ -- 2 (2022/23) | Математический анализ -- 2]]

[[Алгоритмы_и_структуры_данных_2_КНАД 22/23 | Алгоритмы и структуры данных 2]]

[[Теория_вероятностей_КНАД 22/23 | Теория вероятностей ]]
||

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1]]

[[Theory of Computation 2022 | Theory of Computation]]

[[ Operation Research and Game Theory | Operation Research and Game Theory]]

[[ Statistical Learning Theory 2022 | Statistical Learning Theory]]

'''ПМИ / МОП'''

[[Прикладная_статистика_в_машинном_обучении_22/23 | Прикладная статистика в машинном обучении 22/23]]

'''ПИ'''

'''ПАД'''

[[tssp-2022-23 | Time series and stochastic processes 2022-23]]

||

'''ПМИ'''

[[НИС_Машинное_обучение_и_приложения_4_курс_2022/2023 | НИС Машинное обучение и приложения 4 курс]]

[[OWF2022 | Односторонние функции и их применения]]

'''ПИ'''

'''ПАД'''

[[ Statistics4MR-2022-23 | Statistics for Market Research 2022-23]]

|}

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

=== 1 семестр ===

[[Цифровая грамотность для международных отношений 22/23 | Цифровая грамотность для международных отношений 22/23]] 

[http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_%D0%BC%D0%B5%D0%B6%D0%B4%D1%83%D0%BD%D0%B0%D1%80%D0%BE%D0%B4%D0%BD%D1%8B%D1%85_%D0%BE%D1%82%D0%BD%D0%BE%D1%88%D0%B5%D0%BD%D0%B8%D1%8F%D1%85_22/23#.D0.9D.D0.B5.D0.BE.D0.B1.D1.85.D0.BE.D0.B4.D0.B8.D0.BC.D1.8B.D0.B5_.D1.81.D1.81.D1.8B.D0.BB.D0.BA.D0.B8 Основы анализа данных для международных отношений 22/23]

== Курсы магистратуры ФКН ==

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[econ_probability_2022-23|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[econ_dynamic_opt_2022-23|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив =

== Курсы за 2021/22 учебный год ==
{| class="wikitable"
|-

! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(пилотный_поток) | Линейная алгебра и геометрия (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

[[Алгебра_на_ПМИ_2021/2022_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2021/2022_(основной_поток) | Алгебра (основной поток)]]

[[Математический_Анализ_1_на_ПМИ_2021/2022_(пилотный_поток) | Математический анализ 1 (пилотный поток)]]

[[Математический_анализ_1_2021/2022_(основной_поток) | Математический анализ-1 (основной поток)]]

[[DM1-2021-22 | Дискретная математика]]

[http://wiki.cs.hse.ru/Основы_и_методология_программирования_на_ПМИ_2021/2022_(основной_поток) Основы и методология программирования 2021/2022 (основной поток)]

[[Алгоритмы и структуры данных пилотный поток 2021/2022 | Алгоритмы и структуры данных пилотный поток 2021/2022]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 (4 модуль) | Алгоритмы и структуры данных 1 основной поток 2021/2022 (4 модуль)]]

'''ПИ'''

[[DM1-SE-2021-22 | Дискретная математика-1 ПИ]]

[http://hsealgebra22.wikidot.com/ Алгебра 2021/2022 ПИ wikidot]

[[Алгебра 2021/2022 ПИ | Алгебра 2021/2022 ПИ]]

'''ПАД'''

[[Algebra_DSBA_2021/2022 | Algebra DSBA]]

[[Discrete Mathematics DSBA 2021/2022 | Discrete Mathematics (DSBA)]]

[[LAaG DSBA 2021/2022 | LAaG (DSBA)]]

[[Calculus DSBA 2021/2022 | Calculus (DSBA)]]

[[Introduction to Programming DSBA 2021/2022 | Introduction to Programming (DSBA)]]

'''КНАД'''

[[Математический_анализ_(КНАД) | Математический анализ (КНАД)]]

[[Линейная алгебра_(КНАД) | Линейная алгебра (КНАД)]]

[[Программирование_на_Python | Программирование на Python (КНАД)]]

[[Дискретная_математика_КНАД | Дискретная математика (КНАД)]]

[[Алгоритмы и структуры данных-1 2021/2022 4 модуль (КНАД) | Алгоритмы и структуры данных (КНАД)]]

[[Программирование_на_С++_КНАД | Программирование на С++ (КНАД)]]

[[Python_для_сбора_и_анализа_данных_КНАД | Python для сбора и анализа данных (КНАД)]]

[[ИПР_КНАД_22 | Инструменты промышленной разработки (КНАД)]]

||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2021/2022_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2021/2022_(основной_поток)| ТВиМС (основной поток)]]

[[Математический анализ 2021/2022 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_-_2.1_(2021/22) Математический анализ - 2.1 (основной поток)]

[[Математический_анализ_-_2.2_(2021/22) | Математический анализ - 2.2 (основной поток)]]

[[MissingSemester2021/2022 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[Язык программирования C++ (углубленный курс) | Язык программирования C++ (углубленный курс)]]

[[Математическая логика | Математическая логика]]

[[Дифференциальные уравнения (ПМИ)]]

[[Алгоритмы и структуры данных 2 2021 | Алгоритмы и структуры данных 2]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (пилотный поток)]]

[[CAOS-2021 | Архитектура компьютеров и операционные системы]]

[[Основы_матричных_вычислений_2021/2022| Основы матричных вычислений 2021/2022]]

'''ПИ'''

[[Алгоритмы и структуры данных на ПИ 2021/2022 | Алгоритмы и структуры данных на ПИ]]

[[Теория вероятностей и математическая статистика 2021-2022 | Теория вероятностей и математическая статистика]]

[[НИС Методы и алгоритмы защиты информации | НИС Методы и алгоритмы защиты информации]]

'''ПАД'''

[[Discrete Mathematics 2 DSBA 2021/2022 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2021/22 | Business and Management in Global Context (DSBA)]]

[[Statistics_DSBA_2021/2022 | Probability and Statistics (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

[[ACOS_DSBA_2021/2022 | Computer Architecture and Operating Systems (DSBA)]]

||

[https://www.notion.so/2021-2022-7374a6eeced2434288226a339bd5037f Курсовая работа]

'''ПМИ'''

[[Intro_to_DL_21/22 | Introduction to Deep Learning 21/22 ]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_2022#.D0.A3.D1.87.D0.B5.D0.B1.D0.BD.D1.8B.D0.B9_.D0.BF.D0.BB.D0.B0.D0.BD Численные методы (2022)]

[[Методы_оптимизации_21/22 | Методы оптимизации 21/22]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_22 Математическое моделирование]

[http://wiki.cs.hse.ru/NIS-TCS-20-21 НИС Теоретическая информатика]

[[time_series_modelling_21_22 | Моделирование временных рядов 21/22]]

[[Анализ данных в бизнесе (Кафедра SAS) 21/22 | Анализ данных в бизнесе (Кафедра SAS) 21/22]]

[[Comb2021_2022 | Комбинаторные конструкции в теоретической информатике]]

[[Машинное_обучение_1/2021_2022 | Машинное обучение 1]]

[[Theory of Computation 2021 | Theory of Computation]]

[http://math-info.hse.ru/s21/8 Прикладные дифференциальные уравнения]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Промышленное_программирование_на_языке_Java/2022 | Промышленное программирование на языке Java]]

'''ПМИ / PC'''

[https://osukhoroslov-hse.notion.site/5ca71a3b2b17452599f169468df43408 НИС Распределенные системы]

[[Database_Systems_2022 | Database Systems 2022]]

[https://osukhoroslov-hse.notion.site/082aef7073a844afa4c1bf718a773d77 Распределенные системы]

[https://naorlov.notion.site/naorlov/Nets-2021-51931594039e40aeb9102b784d7a8e70 Компьютерные сети]

'''ПМИ / МОП'''

[[Машинное_обучение_2 | Машинное обучение 2]]

[[Методы оптимизации в машинном обучении 2022| Методы оптимизации в машинном обучении 2022]]

[[НИС_Машинное_обучение_и_приложения_3_курс_2021/2022 | НИС Машинное обучение и приложения 3 курс]]

[http://wiki.cs.hse.ru/Psmo_21_22 Прикладная статистика в машинном обучении 21/22]

[[Statistical_learning_theory_2021 | Statistical learning theory]]

'''ПИ'''

[[ML4SE_1 | НИС Машинное обучение для программной инженерии]]

[[Технологии прикладного анализа данных SAS | Технологии прикладного анализа данных SAS]]

'''ПАД'''

[http://wiki.cs.hse.ru/Time_Series_and_Stochastic_Processes_ada_21_22 Time series and stochastic processes 2021-22]

[https://github.com/xenakas/dsba_ecm_2021 Elements of Econometrics ]

[[Data Science Case Studies (JD SAS) 21/22 | Data Science Case Studies (JD SAS) 21/22]]

[[SAS Technologies for Data Mining | SAS Technologies for Data Mining]]
[[Optimization_Methods_2022 | Optimization Methods]]

||

[[Введение_в_дифференциальную_геометрию_2022 | Введение в дифференциальную геометрию 2022]]

[[Символьные_вычисления_21/22 | Символьные вычисления 21/22]]

[[Случайные_процессы_(зима_2022) | Случайные процессы (зима 2022) ]]

[[Методы_сжатия_и_передачи_медиаданных_21/22 | Методы сжатия и передачи медиаданных 21/22]]

[[Теория_и_практика_онлайн-экспериментов_21/22 | Теория и практика онлайн-экспериментов 21/22]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC_21/22 Дизайн систем]

[http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D1%82%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D1%85_%D0%B2%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%B8%D0%B9 Основы тензорых вычислений]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Байесовские_методы_машинного_обучения_2021 | Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_4_курс_2021/2022 | НИС Машинное обучение и приложения 4 курс]]

[https://artemova.notion.site/artemova/c88a68750cff4b509699fa127be11801 Глубинное обучение для текстовых данных 2021/2022]

[http://wiki.cs.hse.ru/LSML_2021/2022 Машинное обучение для больших данных 21/22]

[[Эффективные системы глубинного обучения 21/22|Эффективные системы глубинного обучения]]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/2-0cd36b67b9f64182bfeabcda9ede647a НИС Распределенные системы 2]

[[msbdp_21 | Методы и системы обработки больших данных]]

[https://osukhoroslov-hse.notion.site/cee4a50ac8cf4e328cefbd35cf822fa5 Облачные вычисления]

'''ПМИ / ТИ'''

[[InfTheory2021 | Теория информации]]

[[OWF2021 | Односторонние функции и их применения]]

[[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]]

'''ПАД'''

[[Statistics 4mr 2021-22 | Statistical Methods for Market Research (DSBA)]]

[[Decision Making Strategy]]

||

[[Дополнительные_главы_теории_вероятностей_2022|ДГТВ]]

[[Дополнительные_главы_теории_вероятностей-2_2021/2022|ДГТВ-2]]

[[Теория_вычислений_2022|Теория вычислений]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

[[Криптография_на_решётках_21/22| Криптография на решётках]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%91%D0%B8%D0%BE%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%D0%B0_1_%D0%B3%D0%BE%D0%B4_2021/22 Майнор Биоинформатика 1 год 2021/22]

[[Майнор_Биоинформатика_2_год_2021/22|Майнор Биоинформатика 2 год 2021/22]]

[[Введение_в_программирование_21/22_(майнор_ИАД) | Введение в программирование 21/22 (майнор ИАД)]]

[[Основы_машинного_обучения | Основы машинного обучения (майнор ИАД)]]

[[Основы_глубинного_обучения | Основы глубинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных | Прикладные задачи анализа данных (майнор ИАД)]]

[[Функциональное_программирование_2019 | Функциональное программирование 2021]]

[[KotlinElective|Факультатив "Язык Kotlin" (ноя-дек 2021)]]

[[Dopglavy_DM_2022| Дополнительные главы дискретной математики]]

[[Факультатив_Data_Science_в_игровой_индустрии_(SAS) | Факультатив Data Science в игровой индустрии (SAS)]]

[[Факультатив_Анализ_данных_на_платформе_SAS | Факультатив Анализ данных на платформе SAS]]

|}

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

=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%BD%D0%B0_%D1%8F%D0%B7%D1%8B%D0%BA%D0%B5_Python,_%D0%B6%D1%83%D1%80%D0%BD%D0%B0%D0%BB%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_2022 Программирование на языке Python] || Журналистика || 2 курс || 4 модуль
|-
| [http://wiki.cs.hse.ru/Программирование_на_Python_деп_медиа_2022 Программирование на языке Python] || Журналистика и Медиакоммуникации || 1 курс || 3 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Психология%22_2021/2022 Программирование на языке Python] ||Психология || 1 курс || 3-4 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Экономика_и_статистика%22_и_ОП_%22География_глобальных_изменений%22_2021/2022 Программирование на языке Python] ||Экономика и статистика; География глобальных изменений || 2 курс || 3 модуль
|-
| [[Культура работы с данными]] ||Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[Машинное обучение на матфаке 2022|Машинное обучение]] || Математика || 3-4 модули || 3-4 модули
|-
| [[Введение_в_МО_БИ_21/22| Введение в машинное обучение]] || Бизнес-информатика || 3 курс || 3-4 модули
|-
| [[Excel для анализа данных 21-22]] || Иностранные языки и межкультурная коммуникация || 4 курс || 3 модуль
|-
| [[Введение в Data Science 21-22]] || УБ и МиРА || 2 курс || 4 модуль
|-
| [[Основы программирования в Python (Мирэк) 2022 | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
|[http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%A5%D0%B8%D0%BC%D0%B8%D1%8F Python для извлечения и обработки данных] || Химия || 2 курс || 4 модуль
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Городское_планирование_2021-2022 Цифровая грамотность] || Городское планирование || 1 курс || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%93%D0%B5%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_2020/21 Цифровая грамотность] || География глобальных измерений и геоинформационные технологии || 1 курс || 1-2 модули
|-
| [[Цифровая грамотность, Востоковедение 2021/2022| Цифровая грамотность]] || Востоковедение || 1 курс || 1-2 модули
|-
|[[Цифровая Грамотность ИКВиА 2021/2022 | Цифровая грамотность]] || ИКВиА || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция:частное право || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%8F_2021/2022 Цифровая грамотность] ||История || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Филология_2021/2022 Цифровая грамотность] || Филология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2020-21_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Культурология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%94%D0%B5%D0%BF%D0%B0%D1%80%D1%82%D0%B0%D0%BC%D0%B5%D0%BD%D1%82_%D0%9C%D0%B5%D0%B4%D0%B8%D0%B0_2021-2022 Цифровая грамотность] || Медиакоммуникации и Журналистика || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Философия_2021/2022 Цифровая грамотность] || Философия || 1 курс || 1-2 модуль
|-
| [http://wiki.cs.hse.ru/Основы_программирования_на_Python_осень_2021_матфак Основы программирования на Python] || Математика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_R,_%D0%A1%D0%BE%D1%86%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в R] || Социология || 4 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D0%9C%D0%A1%D0%90%D0%A0-2_2020 Методы анализа больших данных в исследованиях поведения покупателя] || Прикладные методы социального анализа рынков (магистратура) || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2021-2022 Машинное обучение] || Экономика || 3,4 курс || 1-2 модули
|-
| [[Программирование_ЭкСтат_ГП | Программирование на языке Python ]] || Городское планирование, Экономика и статистика || 3 курс || 1-2 модули
|-
| [[Основы анализа данных в международных отношениях 2021/2022 | Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85 Python извлечение и обработка данных] || Клеточная и молекулярная биотехнология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%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%D1%8F_%D0%B2_Python_(%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_2020) Основы программирования в Python ] || Политология || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Основы_работы_с_данными:_сбор,_анализ,_визуализация_(ОП_%22Журналистика%22) Основы работы с данными: сбор, анализ, визуализация] || Журналистика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_Data_Science Data Science] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме (магистратура) || 1 курс || 2 модуль
|-
| [http://wiki.cs.hse.ru/%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_(%D1%81%D0%BE%D0%B2._%D0%B1%D0%B0%D0%BA._%D0%92%D0%A8%D0%AD-%D0%A0%D0%AD%D0%A8_2021) Машинное обучение] || Совместный бакалавриат НИУ ВШЭ и РЭШ || 3 курс || 1-2 модули
|-
|
|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Economics_and_Finance_2020-2021 Data Analysis in Economics and Finance] || Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Journalism_and_Political_Science_2020-2021 Data Analysis in Journalism and Political Science]|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D1%8B%D0%B5_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020_1%D0%BC%D0%BE%D0%B4%D1%83%D0%BB%D1%8C Прикладные исследования в культурологии] || Прикладная культурология (магистратура) || 1 курс || 1 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8 Программирование и теория алгоритмов] || Фундаментальная и компьютерная лингвистика || 3 курс || 2, 3, 4 модули
|-
| [https://github.com/daria-sa/NNmethods_ba_hse21-22/ Нейросетевые методы в обработке текстов] || Фундаментальная и компьютерная лингвистика || 4 курс || 1, 2, 3 модули
|-

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
| [[Modern_Data_Analysis_2021_2022 | Modern Data Analysis]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2021_2022 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[Theory of Computation 2021 | Theory of Computation]] || Науки о данных, специализация ТИ || 1 year
|-
| [[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[RecSys_2021_2022 | Рекомендательные системы]] || ФТИАД || 2 year
|-
| [[Stochastic_analysis_2021_2022 | Стохастический анализ 2021-2022]] || Math of Machine Learning || 1 year
|-
| [[Reinforcement_learning_2021_2022 | Математические основы обучения с подкреплением 2021-2022]] || Math of Machine Learning || 2 year
|-
| [[Theoretical_Computer_Science_2022 | Theoretical computer science 2021-2022]] || Theoretical computer science || PhD
|-
| [[Машинное_обучение_(современные_методы)-МОиВС-2021-2022 | Машинное обучение (современные методы)]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Алгоритмы_и_структуры_данных-МОиВС-2021-2022 | Алгоритмы и структуры данных]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Основы_промышленной_разработки-МОиВС-2021-2022 | Основы промышленной разработки]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Глубинное обучение-МОиВС-2022-2023 | Глубинное обучение]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [http://wiki.cs.hse.ru/Econ_probability_2021-22 Теория вероятностей и математическая статистика] || фэн, 2 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2021/22|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив до 2020/21 учебного года включительно =
[[Wiki ФКН/Архив]]

Wiki ФКН

2022-09-03T11:43:54Z

Tipt0p:

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2022/23 учебный год ==

{| class="wikitable"
|-

! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(пилотный_поток) | Линейная алгебра и геометрия (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2022/2023_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

'''ПИ'''

'''ПАД'''

[[LAaG DSBA 2022/2023 | LAaG (DSBA)]]

[[Discrete Mathematics DSBA 2022/2023 | Discrete Mathematics ]]

'''КНАД'''

[[Дискретная_математика_КНАД 22/23| Дискретная математика (КНАД) ]]

[[Математический_анализ_КНАД 22/23| Математический анализ (КНАД) ]]

[[Линейная_алгебра_КНАД 22/23| Линейная алгебра (КНАД) ]]

[[Программирование_на_Python_КНАД 22/23| Программирование на Python (КНАД) ]]
||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2022/2023_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Математический_анализ_-_2_(2022/23) | Математический анализ - 2 (основной поток)]]

[[Язык_программирования_C%2B%2B_(углубленный_курс)_2022 | Язык программирования C++ (углубленный курс)]]

[[Математическая_логика_ПМИ_22/23 | Математическая логика ]]

'''ПИ'''

'''ПАД'''

[[Business_and_Management_in_Global_Context_22/23 | Business and Management in Global Context 22/23]]

'''КНАД'''

[[Алгебра КНАД 2022/2023 | Алгебра]]

[[Математический_анализ -- 2 (2022/23) | Математический анализ -- 2]]

[[Алгоритмы_и_структуры_данных_2_КНАД 22/23 | Алгоритмы и структуры данных 2]]

[[Теория_вероятностей_КНАД 22/23 | Теория вероятностей ]]
||

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1]]

[[Theory of Computation 2022 | Theory of Computation]]

[[ Operation Research and Game Theory | Operation Research and Game Theory]]

[[ Statistical Learning Theory 2022 | Statistical Learning Theory]]

'''ПМИ / МОП'''

[[Прикладная_статистика_в_машинном_обучении_22/23 | Прикладная статистика в машинном обучении 22/23]]

[[НИС_Машинное_обучение_и_приложения_4_курс_2022/2023 | НИС Машинное обучение и приложения 4 курс]]

'''ПИ'''

'''ПАД'''

[[tssp-2022-23 | Time series and stochastic processes 2022-23]]

||

'''ПМИ'''

[[OWF2022 | Односторонние функции и их применения]]

'''ПИ'''

'''ПАД'''

[[ Statistics4MR-2022-23 | Statistics for Market Research 2022-23]]

|}

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

=== 1 семестр ===

[[Цифровая грамотность для международных отношений 22/23 | Цифровая грамотность для международных отношений 22/23]] 

[http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_%D0%BC%D0%B5%D0%B6%D0%B4%D1%83%D0%BD%D0%B0%D1%80%D0%BE%D0%B4%D0%BD%D1%8B%D1%85_%D0%BE%D1%82%D0%BD%D0%BE%D1%88%D0%B5%D0%BD%D0%B8%D1%8F%D1%85_22/23#.D0.9D.D0.B5.D0.BE.D0.B1.D1.85.D0.BE.D0.B4.D0.B8.D0.BC.D1.8B.D0.B5_.D1.81.D1.81.D1.8B.D0.BB.D0.BA.D0.B8 Основы анализа данных для международных отношений 22/23]

== Курсы магистратуры ФКН ==

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[econ_probability_2022-23|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[econ_dynamic_opt_2022-23|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив =

== Курсы за 2021/22 учебный год ==
{| class="wikitable"
|-

! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(пилотный_поток) | Линейная алгебра и геометрия (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(основной_поток) | Линейная алгебра и геометрия (основной поток)]]

[[Алгебра_на_ПМИ_2021/2022_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2021/2022_(основной_поток) | Алгебра (основной поток)]]

[[Математический_Анализ_1_на_ПМИ_2021/2022_(пилотный_поток) | Математический анализ 1 (пилотный поток)]]

[[Математический_анализ_1_2021/2022_(основной_поток) | Математический анализ-1 (основной поток)]]

[[DM1-2021-22 | Дискретная математика]]

[http://wiki.cs.hse.ru/Основы_и_методология_программирования_на_ПМИ_2021/2022_(основной_поток) Основы и методология программирования 2021/2022 (основной поток)]

[[Алгоритмы и структуры данных пилотный поток 2021/2022 | Алгоритмы и структуры данных пилотный поток 2021/2022]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 (4 модуль) | Алгоритмы и структуры данных 1 основной поток 2021/2022 (4 модуль)]]

'''ПИ'''

[[DM1-SE-2021-22 | Дискретная математика-1 ПИ]]

[http://hsealgebra22.wikidot.com/ Алгебра 2021/2022 ПИ wikidot]

[[Алгебра 2021/2022 ПИ | Алгебра 2021/2022 ПИ]]

'''ПАД'''

[[Algebra_DSBA_2021/2022 | Algebra DSBA]]

[[Discrete Mathematics DSBA 2021/2022 | Discrete Mathematics (DSBA)]]

[[LAaG DSBA 2021/2022 | LAaG (DSBA)]]

[[Calculus DSBA 2021/2022 | Calculus (DSBA)]]

[[Introduction to Programming DSBA 2021/2022 | Introduction to Programming (DSBA)]]

'''КНАД'''

[[Математический_анализ_(КНАД) | Математический анализ (КНАД)]]

[[Линейная алгебра_(КНАД) | Линейная алгебра (КНАД)]]

[[Программирование_на_Python | Программирование на Python (КНАД)]]

[[Дискретная_математика_КНАД | Дискретная математика (КНАД)]]

[[Алгоритмы и структуры данных-1 2021/2022 4 модуль (КНАД) | Алгоритмы и структуры данных (КНАД)]]

[[Программирование_на_С++_КНАД | Программирование на С++ (КНАД)]]

[[Python_для_сбора_и_анализа_данных_КНАД | Python для сбора и анализа данных (КНАД)]]

[[ИПР_КНАД_22 | Инструменты промышленной разработки (КНАД)]]

||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2021/2022_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2021/2022_(основной_поток)| ТВиМС (основной поток)]]

[[Математический анализ 2021/2022 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_-_2.1_(2021/22) Математический анализ - 2.1 (основной поток)]

[[Математический_анализ_-_2.2_(2021/22) | Математический анализ - 2.2 (основной поток)]]

[[MissingSemester2021/2022 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[Язык программирования C++ (углубленный курс) | Язык программирования C++ (углубленный курс)]]

[[Математическая логика | Математическая логика]]

[[Дифференциальные уравнения (ПМИ)]]

[[Алгоритмы и структуры данных 2 2021 | Алгоритмы и структуры данных 2]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (пилотный поток)]]

[[CAOS-2021 | Архитектура компьютеров и операционные системы]]

[[Основы_матричных_вычислений_2021/2022| Основы матричных вычислений 2021/2022]]

'''ПИ'''

[[Алгоритмы и структуры данных на ПИ 2021/2022 | Алгоритмы и структуры данных на ПИ]]

[[Теория вероятностей и математическая статистика 2021-2022 | Теория вероятностей и математическая статистика]]

[[НИС Методы и алгоритмы защиты информации | НИС Методы и алгоритмы защиты информации]]

'''ПАД'''

[[Discrete Mathematics 2 DSBA 2021/2022 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2021/22 | Business and Management in Global Context (DSBA)]]

[[Statistics_DSBA_2021/2022 | Probability and Statistics (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

[[ACOS_DSBA_2021/2022 | Computer Architecture and Operating Systems (DSBA)]]

||

[https://www.notion.so/2021-2022-7374a6eeced2434288226a339bd5037f Курсовая работа]

'''ПМИ'''

[[Intro_to_DL_21/22 | Introduction to Deep Learning 21/22 ]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_2022#.D0.A3.D1.87.D0.B5.D0.B1.D0.BD.D1.8B.D0.B9_.D0.BF.D0.BB.D0.B0.D0.BD Численные методы (2022)]

[[Методы_оптимизации_21/22 | Методы оптимизации 21/22]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_22 Математическое моделирование]

[http://wiki.cs.hse.ru/NIS-TCS-20-21 НИС Теоретическая информатика]

[[time_series_modelling_21_22 | Моделирование временных рядов 21/22]]

[[Анализ данных в бизнесе (Кафедра SAS) 21/22 | Анализ данных в бизнесе (Кафедра SAS) 21/22]]

[[Comb2021_2022 | Комбинаторные конструкции в теоретической информатике]]

[[Машинное_обучение_1/2021_2022 | Машинное обучение 1]]

[[Theory of Computation 2021 | Theory of Computation]]

[http://math-info.hse.ru/s21/8 Прикладные дифференциальные уравнения]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Промышленное_программирование_на_языке_Java/2022 | Промышленное программирование на языке Java]]

'''ПМИ / PC'''

[https://osukhoroslov-hse.notion.site/5ca71a3b2b17452599f169468df43408 НИС Распределенные системы]

[[Database_Systems_2022 | Database Systems 2022]]

[https://osukhoroslov-hse.notion.site/082aef7073a844afa4c1bf718a773d77 Распределенные системы]

[https://naorlov.notion.site/naorlov/Nets-2021-51931594039e40aeb9102b784d7a8e70 Компьютерные сети]

'''ПМИ / МОП'''

[[Машинное_обучение_2 | Машинное обучение 2]]

[[Методы оптимизации в машинном обучении 2022| Методы оптимизации в машинном обучении 2022]]

[[НИС_Машинное_обучение_и_приложения_3_курс_2021/2022 | НИС Машинное обучение и приложения 3 курс]]

[http://wiki.cs.hse.ru/Psmo_21_22 Прикладная статистика в машинном обучении 21/22]

[[Statistical_learning_theory_2021 | Statistical learning theory]]

'''ПИ'''

[[ML4SE_1 | НИС Машинное обучение для программной инженерии]]

[[Технологии прикладного анализа данных SAS | Технологии прикладного анализа данных SAS]]

'''ПАД'''

[http://wiki.cs.hse.ru/Time_Series_and_Stochastic_Processes_ada_21_22 Time series and stochastic processes 2021-22]

[https://github.com/xenakas/dsba_ecm_2021 Elements of Econometrics ]

[[Data Science Case Studies (JD SAS) 21/22 | Data Science Case Studies (JD SAS) 21/22]]

[[SAS Technologies for Data Mining | SAS Technologies for Data Mining]]
[[Optimization_Methods_2022 | Optimization Methods]]

||

[[Введение_в_дифференциальную_геометрию_2022 | Введение в дифференциальную геометрию 2022]]

[[Символьные_вычисления_21/22 | Символьные вычисления 21/22]]

[[Случайные_процессы_(зима_2022) | Случайные процессы (зима 2022) ]]

[[Методы_сжатия_и_передачи_медиаданных_21/22 | Методы сжатия и передачи медиаданных 21/22]]

[[Теория_и_практика_онлайн-экспериментов_21/22 | Теория и практика онлайн-экспериментов 21/22]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC_21/22 Дизайн систем]

[http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D1%82%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D1%85_%D0%B2%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%B8%D0%B9 Основы тензорых вычислений]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Байесовские_методы_машинного_обучения_2021 | Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_4_курс_2021/2022 | НИС Машинное обучение и приложения 4 курс]]

[https://artemova.notion.site/artemova/c88a68750cff4b509699fa127be11801 Глубинное обучение для текстовых данных 2021/2022]

[http://wiki.cs.hse.ru/LSML_2021/2022 Машинное обучение для больших данных 21/22]

[[Эффективные системы глубинного обучения 21/22|Эффективные системы глубинного обучения]]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/2-0cd36b67b9f64182bfeabcda9ede647a НИС Распределенные системы 2]

[[msbdp_21 | Методы и системы обработки больших данных]]

[https://osukhoroslov-hse.notion.site/cee4a50ac8cf4e328cefbd35cf822fa5 Облачные вычисления]

'''ПМИ / ТИ'''

[[InfTheory2021 | Теория информации]]

[[OWF2021 | Односторонние функции и их применения]]

[[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]]

'''ПАД'''

[[Statistics 4mr 2021-22 | Statistical Methods for Market Research (DSBA)]]

[[Decision Making Strategy]]

||

[[Дополнительные_главы_теории_вероятностей_2022|ДГТВ]]

[[Дополнительные_главы_теории_вероятностей-2_2021/2022|ДГТВ-2]]

[[Теория_вычислений_2022|Теория вычислений]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

[[Криптография_на_решётках_21/22| Криптография на решётках]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%91%D0%B8%D0%BE%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%D0%B0_1_%D0%B3%D0%BE%D0%B4_2021/22 Майнор Биоинформатика 1 год 2021/22]

[[Майнор_Биоинформатика_2_год_2021/22|Майнор Биоинформатика 2 год 2021/22]]

[[Введение_в_программирование_21/22_(майнор_ИАД) | Введение в программирование 21/22 (майнор ИАД)]]

[[Основы_машинного_обучения | Основы машинного обучения (майнор ИАД)]]

[[Основы_глубинного_обучения | Основы глубинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных | Прикладные задачи анализа данных (майнор ИАД)]]

[[Функциональное_программирование_2019 | Функциональное программирование 2021]]

[[KotlinElective|Факультатив "Язык Kotlin" (ноя-дек 2021)]]

[[Dopglavy_DM_2022| Дополнительные главы дискретной математики]]

[[Факультатив_Data_Science_в_игровой_индустрии_(SAS) | Факультатив Data Science в игровой индустрии (SAS)]]

[[Факультатив_Анализ_данных_на_платформе_SAS | Факультатив Анализ данных на платформе SAS]]

|}

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

=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%BD%D0%B0_%D1%8F%D0%B7%D1%8B%D0%BA%D0%B5_Python,_%D0%B6%D1%83%D1%80%D0%BD%D0%B0%D0%BB%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_2022 Программирование на языке Python] || Журналистика || 2 курс || 4 модуль
|-
| [http://wiki.cs.hse.ru/Программирование_на_Python_деп_медиа_2022 Программирование на языке Python] || Журналистика и Медиакоммуникации || 1 курс || 3 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Психология%22_2021/2022 Программирование на языке Python] ||Психология || 1 курс || 3-4 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Экономика_и_статистика%22_и_ОП_%22География_глобальных_изменений%22_2021/2022 Программирование на языке Python] ||Экономика и статистика; География глобальных изменений || 2 курс || 3 модуль
|-
| [[Культура работы с данными]] ||Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[Машинное обучение на матфаке 2022|Машинное обучение]] || Математика || 3-4 модули || 3-4 модули
|-
| [[Введение_в_МО_БИ_21/22| Введение в машинное обучение]] || Бизнес-информатика || 3 курс || 3-4 модули
|-
| [[Excel для анализа данных 21-22]] || Иностранные языки и межкультурная коммуникация || 4 курс || 3 модуль
|-
| [[Введение в Data Science 21-22]] || УБ и МиРА || 2 курс || 4 модуль
|-
| [[Основы программирования в Python (Мирэк) 2022 | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
|[http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%A5%D0%B8%D0%BC%D0%B8%D1%8F Python для извлечения и обработки данных] || Химия || 2 курс || 4 модуль
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Городское_планирование_2021-2022 Цифровая грамотность] || Городское планирование || 1 курс || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%93%D0%B5%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_2020/21 Цифровая грамотность] || География глобальных измерений и геоинформационные технологии || 1 курс || 1-2 модули
|-
| [[Цифровая грамотность, Востоковедение 2021/2022| Цифровая грамотность]] || Востоковедение || 1 курс || 1-2 модули
|-
|[[Цифровая Грамотность ИКВиА 2021/2022 | Цифровая грамотность]] || ИКВиА || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция:частное право || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%8F_2021/2022 Цифровая грамотность] ||История || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Филология_2021/2022 Цифровая грамотность] || Филология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2020-21_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Культурология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%94%D0%B5%D0%BF%D0%B0%D1%80%D1%82%D0%B0%D0%BC%D0%B5%D0%BD%D1%82_%D0%9C%D0%B5%D0%B4%D0%B8%D0%B0_2021-2022 Цифровая грамотность] || Медиакоммуникации и Журналистика || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Философия_2021/2022 Цифровая грамотность] || Философия || 1 курс || 1-2 модуль
|-
| [http://wiki.cs.hse.ru/Основы_программирования_на_Python_осень_2021_матфак Основы программирования на Python] || Математика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_R,_%D0%A1%D0%BE%D1%86%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в R] || Социология || 4 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D0%9C%D0%A1%D0%90%D0%A0-2_2020 Методы анализа больших данных в исследованиях поведения покупателя] || Прикладные методы социального анализа рынков (магистратура) || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2021-2022 Машинное обучение] || Экономика || 3,4 курс || 1-2 модули
|-
| [[Программирование_ЭкСтат_ГП | Программирование на языке Python ]] || Городское планирование, Экономика и статистика || 3 курс || 1-2 модули
|-
| [[Основы анализа данных в международных отношениях 2021/2022 | Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85 Python извлечение и обработка данных] || Клеточная и молекулярная биотехнология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%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%D1%8F_%D0%B2_Python_(%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_2020) Основы программирования в Python ] || Политология || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Основы_работы_с_данными:_сбор,_анализ,_визуализация_(ОП_%22Журналистика%22) Основы работы с данными: сбор, анализ, визуализация] || Журналистика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_Data_Science Data Science] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме (магистратура) || 1 курс || 2 модуль
|-
| [http://wiki.cs.hse.ru/%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_(%D1%81%D0%BE%D0%B2._%D0%B1%D0%B0%D0%BA._%D0%92%D0%A8%D0%AD-%D0%A0%D0%AD%D0%A8_2021) Машинное обучение] || Совместный бакалавриат НИУ ВШЭ и РЭШ || 3 курс || 1-2 модули
|-
|
|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Economics_and_Finance_2020-2021 Data Analysis in Economics and Finance] || Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Journalism_and_Political_Science_2020-2021 Data Analysis in Journalism and Political Science]|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D1%8B%D0%B5_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020_1%D0%BC%D0%BE%D0%B4%D1%83%D0%BB%D1%8C Прикладные исследования в культурологии] || Прикладная культурология (магистратура) || 1 курс || 1 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%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_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8 Программирование и теория алгоритмов] || Фундаментальная и компьютерная лингвистика || 3 курс || 2, 3, 4 модули
|-
| [https://github.com/daria-sa/NNmethods_ba_hse21-22/ Нейросетевые методы в обработке текстов] || Фундаментальная и компьютерная лингвистика || 4 курс || 1, 2, 3 модули
|-

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
| [[Modern_Data_Analysis_2021_2022 | Modern Data Analysis]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2021_2022 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[Theory of Computation 2021 | Theory of Computation]] || Науки о данных, специализация ТИ || 1 year
|-
| [[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[RecSys_2021_2022 | Рекомендательные системы]] || ФТИАД || 2 year
|-
| [[Stochastic_analysis_2021_2022 | Стохастический анализ 2021-2022]] || Math of Machine Learning || 1 year
|-
| [[Reinforcement_learning_2021_2022 | Математические основы обучения с подкреплением 2021-2022]] || Math of Machine Learning || 2 year
|-
| [[Theoretical_Computer_Science_2022 | Theoretical computer science 2021-2022]] || Theoretical computer science || PhD
|-
| [[Машинное_обучение_(современные_методы)-МОиВС-2021-2022 | Машинное обучение (современные методы)]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Алгоритмы_и_структуры_данных-МОиВС-2021-2022 | Алгоритмы и структуры данных]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Основы_промышленной_разработки-МОиВС-2021-2022 | Основы промышленной разработки]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
| [[Глубинное обучение-МОиВС-2022-2023 | Глубинное обучение]] || Машинное обучение и высоконагруженные системы|| 1 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [http://wiki.cs.hse.ru/Econ_probability_2021-22 Теория вероятностей и математическая статистика] || фэн, 2 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2021/22|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив до 2020/21 учебного года включительно =
[[Wiki ФКН/Архив]]

НИС Машинное обучение и приложения 4 курс 2022/2023

2022-09-03T11:42:23Z

Tipt0p: Новая страница: «=== Расписание === '''Страница в разработке''' {| class="wikitable" |- ! Группа !! Новости !! Руководители…»

=== Расписание ===

'''Страница в разработке'''

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| Офлайн || [https://t.me/+rqXYDLyvM0AwMDY6 чат]|| [https://www.hse.ru/org/persons/190912012 Иван Рубачев] || irubachev@gmail.com || среда 14:40
|-
| Онлайн 1 || [https://t.me/+vwJ3Onfbp_oyNTYy чат]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || среда 14:40
|-
| Онлайн 2 || [https://t.me/+wntU06f5ca04NjBi чат]||[https://www.hse.ru/staff/yhn112 Михаил Дискин]|| || среда 14:40
|-
|}

'''[TBA Таблица с оценками и расписанием]''' 
'''[TBA Репозиторий с материалами]''' 
'''[TBA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [TBA форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чате в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады по современным научным статьям в области машинного обучения. Семинар призван способствовать развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами, освещающими современные научных статьи с различных точек зрения.
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.

== Доклады ==

Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. На 4 курсе формат значительно отличается от формата 3 курса.

Формат предполагает групповые выступления с разбором современных научных статей. Список статей формируется преподавателями, однако студенты могут предлагать свои темы и это приветствуется. В рамках группы участникам будут отведены уникальные роли, отвечающие разным ситуациям из жизни исследователя. На одном занятии планируется по два выступления, то есть одной команде выступающих выделяется 40 минут на всестороннее представление статьи (с учетом вопросов и обсуждений).
Команда из 3 студентов совместно читает и разбирает статью, после чего готовит ее представление для одногруппников, при этом каждый из участников выполняет одну из следующих ролей:

# '''Автор-докладчик.''' Готовит презентацию с представлением методов и результатов статьи. Роль совпадает с ролью докладчика на семинарах прошлых лет. Время на выступление примерно 20-25 минут.
# '''Рецензент + Практик-исследователь.''' TBA
# '''Хакер.''' Строит минимальный пример, который иллюстрирует идеи и результаты из статьи. На занятии показывает этот пример за 5-10 минут. Если, скажем, статья предлагает какой-то новый слой, трудно ли его реализовать? Можно ли воспроизвести эксперименты на синтетических данных? Или на небольших моделях? Результат работы, в идеале, должен быть оформлен как ноутбук с реализацией маленького примера метода/модели из статьи, который каждый слушатель сможет сам открыть в колабе и поиграться.

В течение года каждый студент принимает участие в TBA выступлениях. В ходе первых трех выступлений каждый студент поучаствует по одному разу в каждой роли. Роль на последующие выступления будет определяться преподавателями (случайно или в соответствии с оценками за первые 3 выступления). При нехватке занятий за последние выступления части студентов может быть выставлен автомат. Оценки за выступления во всех ролях берутся в финальную оценку с одинаковыми весами.

'''До выступления.''' Минимум '''за неделю''' до даты выступления группа докладчиков должна связаться с преподавателем и прислать ему или обсудить с ним краткий план своего выступления (план презентации, основные пункты рецензии, основные пункты исследования контекста, план того, что будет реализовываться хакером). Основная суть данного требования -- понять, что все участники прочли статью, понимают что они будут рассказывать на занятии и не испытывают затруднений с темой.

'''Во время выступления.''' На свой доклад группа должна прийти с одной общей презентацией (с представлением статьи, рецензии и исследованием контекста работы) и одним ноутбуком с запрограммированным примером.

'''После выступление.''' После доклада нужно прислать: презентацию и ноутбук с выступления, полный текст рецензии в формате pdf, полный текст исследования контекста в формате pdf, а также список из 3-4 вопросов по докладу для проверочной по выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом выступления -- до 2 баллов, за задержку с материалами -- до 1 балла.

== Отзывы на доклады ==

На каждый доклад трое одногруппников докладчиков, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление, отдельно комментируя и оценивая его составляющие части (части разных выступающих), в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. Оценки из отзывов будут учитываться при выставлении оценок за выступление на усмотрение преподавателя.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

== Проверочные работы ==
Доклады в течение года будут разбиты на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. В случае офлайн занятий полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. В случае онлайн занятий список вопросов заранее не публикуется. При написании проверочной нельзя пользоваться никакими материалами.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.6 * О_доклады + 0.3 * О_проверочные + 0.1 * О_отзывы

* О_доклады - суммарная оценка по всем выступлениям,
* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_отзывы - суммарная оценка за написание отзывов на доклады.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 3 курс 2021/2022

2022-05-11T19:01:56Z

Tipt0p: /* Курсовые работы и их рецензирование */

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| 191 || [https://t.me/joinchat/v4qdhdNVy3ZlYjNi телеграм] || [https://www.hse.ru/org/persons/165140955 Кирилл Струминский] || k.struminsky@gmail.com || вторник 13:00
|-
| 192 || [https://t.me/joinchat/tfthzn6MY-JjYzdi телеграм]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || вторник 14:40
|-
| 193 || [https://t.me/joinchat/a9E3p1QuVXMwZGZi телеграм]||[https://www.hse.ru/staff/sdtroshin Сергей Трошин]|| serj.troshin2013@yandex.ru || вторник 13:00
|-
|}

'''[https://docs.google.com/spreadsheets/d/1rRMd_h2u36dj3nlBj1MaHe9G0ISAw1jBU35cEdNLh8Q/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar/tree/master/2021-2022 Репозиторий с материалами]''' 
'''[https://www.youtube.com/playlist?list=PLEwK9wdS5g0oRUL0oCsghC7WrxZ9MdtHA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScam8iu2ZnyVFWHN6i_9Cu-GmTRvZMKDn_tj963ZkPehG28Sg/viewform форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чатах в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. В чатах просьба не флудить =) Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады на различные темы, связанные с машинным обучением, в том числе по современным научным статьям. Семинар призван способствовать своевременному включению студентов в исследовательский процесс, развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами на различные темы, связанные с машинным обучением
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.
* Выступления студентов с докладами по курсовым работам.
* Кросс-рецензирование курсовых работ своих одногруппников.

== Доклады, отзывы на доклады и проверочные работы ==

<big>'''Доклады''' </big>
Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. Первые полгода у 3 курса проходят вводные групповые доклады на общие темы из области машинного обучения. Вторые полгода посвящены индивидуальным докладам по научным статьям.

Первые доклады выполняются в групповом формате - каждый доклад совместно готовят двое или трое студентов (в зависимости от темы). На одном занятии проводится один доклад, то есть при подготовке стоит рассчитывать материал примерно на 40 - 45 минут на двоих или 1 час - 1 час 10 минут на троих. Каждый студент должен поучаствовать в одном вводном докладе. Список тем вводных докладов составляется преподавателями, после чего студенты сами выбирают понравившиеся им темы в определенный срок. Некоторые вводные доклады будут связаны с темами курса Introduction to Deep Learning, поэтому нужно будет прослушивать определенные части этого курса до дат по определенным выступлениям (обо всем будет заранее сообщаться).

Вторые доклады выполняются индивидуально. На одном занятии проводится два доклада, то есть при подготовке стоит рассчитывать материал примерно на 30 минут. Если количество докладов не будет укладываться в рамки курса по времени, то студенты с лучшими выступлениями с вводными докладами могут быть освобождены от второго доклада. Студенты могут сами предложить статьи для разбора, однако итоговый список статей для выступлений составляется преподавателями, после чего студенты выбирают понравившиеся им темы в определенный срок.

Минимум '''за неделю''' до даты выступления докладчик или группа докладчиков должны прислать преподавателю на согласование:

# Краткий план доклада. Он должен быть достаточно подробным, чтобы из него были понятны основные идеи, связи между ними и уровень подробности рассказа про каждую идею. В случае группового доклада, должно быть четко понятно кто из выступающих какую часть будет рассказывать (старайтесь не дробить доклад слишком сильно, лучше чтобы каждый участник рассказывал один связный кусок материала).
# Список вопросов по материалу доклада. 5-6 вопросов (для вводных докладов) или 3-4 вопроса (для докладов по статьям) для проверочной по вашему выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из вашего доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

'''Сразу после выступления''' необходимо прислать свою презентацию.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом доклада -- до 2 баллов, за задержку с материалами -- до 1 балла. Неявка на свой доклад без уважительной причины приводит к нежелательным последствиям. При наличии уважительной причины, пожалуйста, предупреждайте о ней преподавателя заранее. Оценка за доклад складывается на 75% из оценки преподавателя и на 25% из оценки студентов (по отзывам на доклад).

<big>'''Отзывы на доклады''' </big>
Каждый доклад оценивается не только преподавателем, но и студентами. Несколько одногруппников докладчика, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление и оценивают его по 10-бальной шкале в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. На групповые вводные доклады назначаются по 2 рецензента на одного докладчика, на индивидуальные доклады - по 3 рецензента.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

<big>'''Проверочные работы''' </big>
Доклады в течение года будут разбиты по темам на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа примерно на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. Полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. При написании проверочной нельзя пользоваться никакими материалами. Если занятия придется перевести в онлайн формат, то формат проверочных будет изменен.

== Курсовые работы и их рецензирование ==

В середине и в конце года проводится кросс-рецензирование курсовых работ студентов. Рецензия на курсовую должна быть значительно подробнее рецензий на доклады. Правила их оформления будут выложены позднее. Также в середине и конце года будет проведена устная предзащита курсовых работ. '''Участие в предзащите в середине года, а также сдача текста в сроки первого кросс-рецензирования является обязательным условием прохождения первой контрольной точки выполнения КР (требования специализации МОП). '''

Примерные даты кросс-рецензирования и предзащит:
* Середина-конец января - предзащита планов КР
* Конец января - начало февраля - первое кросс-рецензирование
* Середина мая (все будет ДО окончательного текста сдачи курсовой) - второе кросс-рецензирование
* Середина-конец мая - предзащиты итоговых КР

<big>'''Первое кросс-рецензирование.''' </big>

'''Важно''':
* Правила оформления КР можно найти [https://www.hse.ru/data/2021/02/12/1408360880/%D0%9F%D1%80%D0%B0%D0%B2%D0%B8%D0%BB%D0%B0_%D0%BF%D0%BE%D0%B4%D0%B3%D0%BE%D1%82%D0%BE%D0%B2%D0%BA%D0%B8_%D0%B8_%D0%BE%D1%86%D0%B5%D0%BD%D0%B8%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%9A%D0%A0_%D0%92%D0%9A%D0%A0_%D0%9F%D0%9C%D0%98%202020-21.pdf здесь]. Обратите особое внимание на методические рекомендации в самом конце документа: они написаны человеческим языком и помогут вам понять как должна выглядеть КР.
* Несдача плана курсовой работы автоматически влечет за собой оценку 0 за первую контрольную точку по КР и оценку 0 за первое кросс-рецензирование.
* Тексты, не соотвествующие требованиям (по объему и содержанию, описанным ниже, и по оформлению, описанному в правилах оформления КР), приниматься не будут. Обратите особое внимание на базовые требования к оформлению (п.2.3), описанные в методических рекомендациях к написанию КР.
* Текст стоит оформлять в LaTeX, для написания можно использовать шаблон по [https://github.com/angusev/coursework_template ссылке].

'''Дедлайны:''' 
Сдача плана курсовой: '''9 февраля 23:59''' 
Сдача рецензий: '''27 марта 23:59'''

Планы курсовой нужно загружать в систему EasyChair по [https://easychair.org/conferences/?conf=rpmla32022 ссылке].

Для участия в первом кросс-рецензировании вам нужно сдать план курсовой работы. План это документ не менее 4-5 страниц (НЕ включая титульный лист, оглавление, абстракт, список литературы и иллюстрации), который является первым вариантом вашей курсовой работы (это относится и к исследовательским, и к программным проектам). Он должен быть оформлен по правилам оформления итогового документа, ссылка на которые приведена выше. Некоторые пункты уже должны быть полностью выполнены (введение, обзор литературы), некоторые только отражать дальнейшие планы (план экспериментов). Также в нем должны быть подробно отражены следующие моменты:
* Задача решаемая в проекте -- если это исследовательский проект, то цель исследования, если программный проект, то описание функционала программы, которую планируется написать.
* Обзор литературы -- текущее состояние области; если это исследование, то позиционирование вашей работы относительно других современных работ (к примеру : мы “лучше” чем работа [1] потому-то, мы исследуем дополнительно случай который не исследуется в [2]), если это программный проект, то описание похожих программных решений и почему их нельзя использовать для решения поставленной задачи.
* План дальнейшей работы -- для исследовательского проекта это описание исследуемых моделей и методов, конкретный план проводимых экспериментов. Для программного проекта -- декомпозиция его на конкретные составляющие, и план их реализации.

План необходимо согласовать с научным руководителем.

Если вы выполняете групповой проект в качестве курсовой, то вам нужно сдавать один текст на группу, однако в нем должно быть четко отражено кто что сделал и собирается сделать дальше. Также объем текста должен быть больше - около 4-5 страниц + по 2-3 страницы на каждого дополнительного участника. Если в вашем проекте есть участники из других групп, то вам нужно в своем плане прописать общую часть проекта и ваши части, а про часть участников из других групп просто написать что она есть и, если это важно для понимания общего формата проекта, написать в паре предложений в чем она заключается.

'''Про рецензии:'''

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Общая структура рецензии такая же, как и для рецензий докладов; объем -- половина/целая страница А4. Люди, не сдавшие план вовремя, не будут участвовать в кросс-рецензировании и не смогут получить за него баллы.

* Отнеситесь к процессу ответственно -- если вы не пишете или пишете плохую рецензию, то ваш коллега не получает хорошего фидбека, что очень нечестно по отношению к нему.
* При написании рецензии исходите из того, что ваша главная цель -- помочь коллеге улучшить его работу. Будьте корректны в высказываниях, хорошо обдумайте проект и напишите как его можно улучшить. Даже очень хорошую работу можно сделать еще лучше, поэтому отписки в стиле "все отлично" приниматься не будут.
* Текст рецензии сам по себе должен представлять собой связный текст в научном стиле. Основные требования к рецензии описаны в форме на easychair, в которую вы будете ее загружать (посмотрите на эту форму, прежде чем писать рецензию! там несколько отдельных пунктов).
* Если вы пишете рецензию на групповую работу, постарайтесь кроме общего фидбека на текст, также включить индивидуальный фидбек для каждого участника (например, у участников может быть сильно разный по объему работы вклад в проект или сильно разный по качеству текст).

<big>'''Первая предзащита.''' </big>
Предзащита представляет собой короткое устное выступление студента с презентацией перед преподавателем, в котором он рассказывает про свою задачу и про то, что уже сделано и что планируется сделать в проекте. Основных целей у данного мероприятия две: 1) понять, что у студента есть задача, он понимает что с ней делать и уже начал что-то делать, что задача адекватна по сложности и направленности для КР студента 3 курса МОП; 2) получить фидбек по постановке задачи от преподавателя. К презентации и выступлению строгих требований нет, но крайне желательно учесть следующие моменты:
* Четко продумайте что вы хотите рассказать - выступлений будет много, преподавателю будет сложно понять что вы делаете, если вы не сформулируете это очень четко.
* По времени у вас есть до 5 минут на выступление одного человека (если проект групповой, то примерно (3х+2) минуты, где х - число выступающих). Прорепетируйте свое выступление и постараться из времени не выбиваться - вас очень много, а у преподавателя конечный набор сил. Из ограниченного времени также вытекает, что вам не стоит лить воду/закапываться в формулы и т.п. - рассказывайте кратко и четко, если у преподавателя будут вопросы к деталям, он их задаст после вашего выступления.
* Отразите в презентации следующее:
- титульный слайд (название, исследовательский/программный проект, ваше имя, имя научного руководителя)
- предметная область и постановка задачи
- обзор существующих методов (кто и как решал вашу задачу до вас и в чем состоят недостатки этих решений)
- предлагаемый метод
- план работ
- что уже сделано (чтобы оценить на каком вы сейчас этапе)
* Составляя план работ, задумайтесь обязательно над тем, на каких данных и какие эксперименты вы собираетесь ставить, с какими методами вы ваш хотите сравнить и т.д. Все это в презентации кратко отразите.

<big>'''Второе кросс-рецензирование.''' </big>
На этот раз нужно сдать полный текст курсовой работы. Если вы что-то не успели дописать (например, у вас какие-то эксперименты не досчитались или еще что-то в таком духе), то обязательно отметьте в тексте, о чем еще будет написано, чтобы рецензент видел полную картину работы. Работы, которые будут совсем не готовы, приниматься не будут.

При написании текста ориентируйтесь на требования к его оформлению по ссылкам выше.

'''Дедлайны:''' 
Сдача текста курсовой: '''23:59 24 мая''' 
Сдача рецензий: '''23:59 30 мая'''

'''Планы курсовой нужно загружать в систему EasyChair - [https://easychair.org/conferences/?conf=rpmla32022final ссылка]'''.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.4 * О_проверочные + 0.3 * О_доклады + 0.1 * О_отзывы + 0.1 * О_предзащиты + 0.1 * О_кросс

* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_доклады - суммарная оценка по двум научным выступлениям,
* О_отзывы - суммарная оценка за написание отзывов на доклады,
* О_предзащиты - оценка за выступления на предзащитах,
* О_кросс - оценка за написание рецензий для кросс-рецензирования курсовых.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 3 курс 2021/2022

2022-05-10T10:40:41Z

Tipt0p: /* Курсовые работы и их рецензирование */

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| 191 || [https://t.me/joinchat/v4qdhdNVy3ZlYjNi телеграм] || [https://www.hse.ru/org/persons/165140955 Кирилл Струминский] || k.struminsky@gmail.com || вторник 13:00
|-
| 192 || [https://t.me/joinchat/tfthzn6MY-JjYzdi телеграм]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || вторник 14:40
|-
| 193 || [https://t.me/joinchat/a9E3p1QuVXMwZGZi телеграм]||[https://www.hse.ru/staff/sdtroshin Сергей Трошин]|| serj.troshin2013@yandex.ru || вторник 13:00
|-
|}

'''[https://docs.google.com/spreadsheets/d/1rRMd_h2u36dj3nlBj1MaHe9G0ISAw1jBU35cEdNLh8Q/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar/tree/master/2021-2022 Репозиторий с материалами]''' 
'''[https://www.youtube.com/playlist?list=PLEwK9wdS5g0oRUL0oCsghC7WrxZ9MdtHA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScam8iu2ZnyVFWHN6i_9Cu-GmTRvZMKDn_tj963ZkPehG28Sg/viewform форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чатах в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. В чатах просьба не флудить =) Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады на различные темы, связанные с машинным обучением, в том числе по современным научным статьям. Семинар призван способствовать своевременному включению студентов в исследовательский процесс, развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами на различные темы, связанные с машинным обучением
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.
* Выступления студентов с докладами по курсовым работам.
* Кросс-рецензирование курсовых работ своих одногруппников.

== Доклады, отзывы на доклады и проверочные работы ==

<big>'''Доклады''' </big>
Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. Первые полгода у 3 курса проходят вводные групповые доклады на общие темы из области машинного обучения. Вторые полгода посвящены индивидуальным докладам по научным статьям.

Первые доклады выполняются в групповом формате - каждый доклад совместно готовят двое или трое студентов (в зависимости от темы). На одном занятии проводится один доклад, то есть при подготовке стоит рассчитывать материал примерно на 40 - 45 минут на двоих или 1 час - 1 час 10 минут на троих. Каждый студент должен поучаствовать в одном вводном докладе. Список тем вводных докладов составляется преподавателями, после чего студенты сами выбирают понравившиеся им темы в определенный срок. Некоторые вводные доклады будут связаны с темами курса Introduction to Deep Learning, поэтому нужно будет прослушивать определенные части этого курса до дат по определенным выступлениям (обо всем будет заранее сообщаться).

Вторые доклады выполняются индивидуально. На одном занятии проводится два доклада, то есть при подготовке стоит рассчитывать материал примерно на 30 минут. Если количество докладов не будет укладываться в рамки курса по времени, то студенты с лучшими выступлениями с вводными докладами могут быть освобождены от второго доклада. Студенты могут сами предложить статьи для разбора, однако итоговый список статей для выступлений составляется преподавателями, после чего студенты выбирают понравившиеся им темы в определенный срок.

Минимум '''за неделю''' до даты выступления докладчик или группа докладчиков должны прислать преподавателю на согласование:

# Краткий план доклада. Он должен быть достаточно подробным, чтобы из него были понятны основные идеи, связи между ними и уровень подробности рассказа про каждую идею. В случае группового доклада, должно быть четко понятно кто из выступающих какую часть будет рассказывать (старайтесь не дробить доклад слишком сильно, лучше чтобы каждый участник рассказывал один связный кусок материала).
# Список вопросов по материалу доклада. 5-6 вопросов (для вводных докладов) или 3-4 вопроса (для докладов по статьям) для проверочной по вашему выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из вашего доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

'''Сразу после выступления''' необходимо прислать свою презентацию.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом доклада -- до 2 баллов, за задержку с материалами -- до 1 балла. Неявка на свой доклад без уважительной причины приводит к нежелательным последствиям. При наличии уважительной причины, пожалуйста, предупреждайте о ней преподавателя заранее. Оценка за доклад складывается на 75% из оценки преподавателя и на 25% из оценки студентов (по отзывам на доклад).

<big>'''Отзывы на доклады''' </big>
Каждый доклад оценивается не только преподавателем, но и студентами. Несколько одногруппников докладчика, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление и оценивают его по 10-бальной шкале в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. На групповые вводные доклады назначаются по 2 рецензента на одного докладчика, на индивидуальные доклады - по 3 рецензента.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

<big>'''Проверочные работы''' </big>
Доклады в течение года будут разбиты по темам на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа примерно на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. Полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. При написании проверочной нельзя пользоваться никакими материалами. Если занятия придется перевести в онлайн формат, то формат проверочных будет изменен.

== Курсовые работы и их рецензирование ==

В середине и в конце года проводится кросс-рецензирование курсовых работ студентов. Рецензия на курсовую должна быть значительно подробнее рецензий на доклады. Правила их оформления будут выложены позднее. Также в середине и конце года будет проведена устная предзащита курсовых работ. '''Участие в предзащите в середине года, а также сдача текста в сроки первого кросс-рецензирования является обязательным условием прохождения первой контрольной точки выполнения КР (требования специализации МОП). '''

Примерные даты кросс-рецензирования и предзащит:
* Середина-конец января - предзащита планов КР
* Конец января - начало февраля - первое кросс-рецензирование
* Середина мая (все будет ДО окончательного текста сдачи курсовой) - второе кросс-рецензирование
* Середина-конец мая - предзащиты итоговых КР

<big>'''Первое кросс-рецензирование.''' </big>

'''Важно''':
* Правила оформления КР можно найти [https://www.hse.ru/data/2021/02/12/1408360880/%D0%9F%D1%80%D0%B0%D0%B2%D0%B8%D0%BB%D0%B0_%D0%BF%D0%BE%D0%B4%D0%B3%D0%BE%D1%82%D0%BE%D0%B2%D0%BA%D0%B8_%D0%B8_%D0%BE%D1%86%D0%B5%D0%BD%D0%B8%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%9A%D0%A0_%D0%92%D0%9A%D0%A0_%D0%9F%D0%9C%D0%98%202020-21.pdf здесь]. Обратите особое внимание на методические рекомендации в самом конце документа: они написаны человеческим языком и помогут вам понять как должна выглядеть КР.
* Несдача плана курсовой работы автоматически влечет за собой оценку 0 за первую контрольную точку по КР и оценку 0 за первое кросс-рецензирование.
* Тексты, не соотвествующие требованиям (по объему и содержанию, описанным ниже, и по оформлению, описанному в правилах оформления КР), приниматься не будут. Обратите особое внимание на базовые требования к оформлению (п.2.3), описанные в методических рекомендациях к написанию КР.
* Текст стоит оформлять в LaTeX, для написания можно использовать шаблон по [https://github.com/angusev/coursework_template ссылке].

'''Дедлайны:''' 
Сдача плана курсовой: '''9 февраля 23:59''' 
Сдача рецензий: '''27 марта 23:59'''

Планы курсовой нужно загружать в систему EasyChair по [https://easychair.org/conferences/?conf=rpmla32022 ссылке].

Для участия в первом кросс-рецензировании вам нужно сдать план курсовой работы. План это документ не менее 4-5 страниц (НЕ включая титульный лист, оглавление, абстракт, список литературы и иллюстрации), который является первым вариантом вашей курсовой работы (это относится и к исследовательским, и к программным проектам). Он должен быть оформлен по правилам оформления итогового документа, ссылка на которые приведена выше. Некоторые пункты уже должны быть полностью выполнены (введение, обзор литературы), некоторые только отражать дальнейшие планы (план экспериментов). Также в нем должны быть подробно отражены следующие моменты:
* Задача решаемая в проекте -- если это исследовательский проект, то цель исследования, если программный проект, то описание функционала программы, которую планируется написать.
* Обзор литературы -- текущее состояние области; если это исследование, то позиционирование вашей работы относительно других современных работ (к примеру : мы “лучше” чем работа [1] потому-то, мы исследуем дополнительно случай который не исследуется в [2]), если это программный проект, то описание похожих программных решений и почему их нельзя использовать для решения поставленной задачи.
* План дальнейшей работы -- для исследовательского проекта это описание исследуемых моделей и методов, конкретный план проводимых экспериментов. Для программного проекта -- декомпозиция его на конкретные составляющие, и план их реализации.

План необходимо согласовать с научным руководителем.

Если вы выполняете групповой проект в качестве курсовой, то вам нужно сдавать один текст на группу, однако в нем должно быть четко отражено кто что сделал и собирается сделать дальше. Также объем текста должен быть больше - около 4-5 страниц + по 2-3 страницы на каждого дополнительного участника. Если в вашем проекте есть участники из других групп, то вам нужно в своем плане прописать общую часть проекта и ваши части, а про часть участников из других групп просто написать что она есть и, если это важно для понимания общего формата проекта, написать в паре предложений в чем она заключается.

'''Про рецензии:'''

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Общая структура рецензии такая же, как и для рецензий докладов; объем -- половина/целая страница А4. Люди, не сдавшие план вовремя, не будут участвовать в кросс-рецензировании и не смогут получить за него баллы.

* Отнеситесь к процессу ответственно -- если вы не пишете или пишете плохую рецензию, то ваш коллега не получает хорошего фидбека, что очень нечестно по отношению к нему.
* При написании рецензии исходите из того, что ваша главная цель -- помочь коллеге улучшить его работу. Будьте корректны в высказываниях, хорошо обдумайте проект и напишите как его можно улучшить. Даже очень хорошую работу можно сделать еще лучше, поэтому отписки в стиле "все отлично" приниматься не будут.
* Текст рецензии сам по себе должен представлять собой связный текст в научном стиле. Основные требования к рецензии описаны в форме на easychair, в которую вы будете ее загружать (посмотрите на эту форму, прежде чем писать рецензию! там несколько отдельных пунктов).
* Если вы пишете рецензию на групповую работу, постарайтесь кроме общего фидбека на текст, также включить индивидуальный фидбек для каждого участника (например, у участников может быть сильно разный по объему работы вклад в проект или сильно разный по качеству текст).

<big>'''Первая предзащита.''' </big>
Предзащита представляет собой короткое устное выступление студента с презентацией перед преподавателем, в котором он рассказывает про свою задачу и про то, что уже сделано и что планируется сделать в проекте. Основных целей у данного мероприятия две: 1) понять, что у студента есть задача, он понимает что с ней делать и уже начал что-то делать, что задача адекватна по сложности и направленности для КР студента 3 курса МОП; 2) получить фидбек по постановке задачи от преподавателя. К презентации и выступлению строгих требований нет, но крайне желательно учесть следующие моменты:
* Четко продумайте что вы хотите рассказать - выступлений будет много, преподавателю будет сложно понять что вы делаете, если вы не сформулируете это очень четко.
* По времени у вас есть до 5 минут на выступление одного человека (если проект групповой, то примерно (3х+2) минуты, где х - число выступающих). Прорепетируйте свое выступление и постараться из времени не выбиваться - вас очень много, а у преподавателя конечный набор сил. Из ограниченного времени также вытекает, что вам не стоит лить воду/закапываться в формулы и т.п. - рассказывайте кратко и четко, если у преподавателя будут вопросы к деталям, он их задаст после вашего выступления.
* Отразите в презентации следующее:
- титульный слайд (название, исследовательский/программный проект, ваше имя, имя научного руководителя)
- предметная область и постановка задачи
- обзор существующих методов (кто и как решал вашу задачу до вас и в чем состоят недостатки этих решений)
- предлагаемый метод
- план работ
- что уже сделано (чтобы оценить на каком вы сейчас этапе)
* Составляя план работ, задумайтесь обязательно над тем, на каких данных и какие эксперименты вы собираетесь ставить, с какими методами вы ваш хотите сравнить и т.д. Все это в презентации кратко отразите.

<big>'''Второе кросс-рецензирование.''' </big>
На этот раз нужно сдать полный текст курсовой работы. Если вы что-то не успели дописать (например, у вас какие-то эксперименты не досчитались или еще что-то в таком духе), то обязательно отметьте в тексте, о чем еще будет написано, чтобы рецензент видел полную картину работы. Работы, которые будут совсем не готовы, приниматься не будут.

При написании текста ориентируйтесь на требования к его оформлению по ссылкам выше.

'''Дедлайны:''' 
Сдача текста курсовой: '''23:59 24 мая''' 
Сдача рецензий: '''23:59 30 мая'''

'''Планы курсовой нужно загружать в систему EasyChair - [TBD ссылка]'''.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.4 * О_проверочные + 0.3 * О_доклады + 0.1 * О_отзывы + 0.1 * О_предзащиты + 0.1 * О_кросс

* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_доклады - суммарная оценка по двум научным выступлениям,
* О_отзывы - суммарная оценка за написание отзывов на доклады,
* О_предзащиты - оценка за выступления на предзащитах,
* О_кросс - оценка за написание рецензий для кросс-рецензирования курсовых.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!

НИС Машинное обучение и приложения 3 курс 2021/2022

2022-03-19T20:10:56Z

Tipt0p: /* Курсовые работы и их рецензирование */

=== Расписание ===

{| class="wikitable"
|-
! Группа !! Новости !! Руководители НИСа !! Контакты !! Расписание
|-
| 191 || [https://t.me/joinchat/v4qdhdNVy3ZlYjNi телеграм] || [https://www.hse.ru/org/persons/165140955 Кирилл Струминский] || k.struminsky@gmail.com || вторник 13:00
|-
| 192 || [https://t.me/joinchat/tfthzn6MY-JjYzdi телеграм]||[https://www.hse.ru/org/persons/131072080 Екатерина Лобачева]|| lobacheva.tjulja@gmail.com || вторник 14:40
|-
| 193 || [https://t.me/joinchat/a9E3p1QuVXMwZGZi телеграм]||[https://www.hse.ru/staff/sdtroshin Сергей Трошин]|| serj.troshin2013@yandex.ru || вторник 13:00
|-
|}

'''[https://docs.google.com/spreadsheets/d/1rRMd_h2u36dj3nlBj1MaHe9G0ISAw1jBU35cEdNLh8Q/edit?usp=sharing Таблица с оценками и расписанием]''' 
'''[https://github.com/bayesgroup/HSE_ML_research_seminar/tree/master/2021-2022 Репозиторий с материалами]''' 
'''[https://www.youtube.com/playlist?list=PLEwK9wdS5g0oRUL0oCsghC7WrxZ9MdtHA Записи онлайн занятий]''' 

Рецензии на доклады писать здесь: [https://docs.google.com/forms/d/e/1FAIpQLScam8iu2ZnyVFWHN6i_9Cu-GmTRvZMKDn_tj963ZkPehG28Sg/viewform форма] 
Оставить отзыв на курс: [https://docs.google.com/forms/d/e/1FAIpQLSfN2NjAYL9Ka7p75XBesQ7lR43rleQc_Id2NbNDv8G7mqMY-g/viewform?c=0&w=1 форма] 

Все объявления по курсу будут в чатах в телеграме, поэтому нужно '''обязательно''' добавиться в чат своей группы. В чатах просьба не флудить =) Вопросы и комментарии по курсу можно отправлять в чат или своему преподавателю на почту. В название письма обязательно добавлять тег '''[НИС ФКН]''', а также указывать свою фамилию и имя.

== Краткое описание ==

Данный семинар направлен на расширение кругозора студентов в области современного машинного обучения, а также на знакомство с основными принципами научно-исследовательской деятельности. На нём в течение года под руководством преподавателей студентам предлагается делать доклады на различные темы, связанные с машинным обучением, в том числе по современным научным статьям. Семинар призван способствовать своевременному включению студентов в исследовательский процесс, развитию навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:
* Выступление студентов с докладами на различные темы, связанные с машинным обучением
* Посещение занятий, прослушивание и обсуждение докладов, написание рецензий на доклады одногруппников.
* Написание проверочных работ по материалам докладов.
* Выступления студентов с докладами по курсовым работам.
* Кросс-рецензирование курсовых работ своих одногруппников.

== Доклады, отзывы на доклады и проверочные работы ==

<big>'''Доклады''' </big>
Основной деятельностью в рамках НИСа является подготовка и выступление студентов с докладами. Первые полгода у 3 курса проходят вводные групповые доклады на общие темы из области машинного обучения. Вторые полгода посвящены индивидуальным докладам по научным статьям.

Первые доклады выполняются в групповом формате - каждый доклад совместно готовят двое или трое студентов (в зависимости от темы). На одном занятии проводится один доклад, то есть при подготовке стоит рассчитывать материал примерно на 40 - 45 минут на двоих или 1 час - 1 час 10 минут на троих. Каждый студент должен поучаствовать в одном вводном докладе. Список тем вводных докладов составляется преподавателями, после чего студенты сами выбирают понравившиеся им темы в определенный срок. Некоторые вводные доклады будут связаны с темами курса Introduction to Deep Learning, поэтому нужно будет прослушивать определенные части этого курса до дат по определенным выступлениям (обо всем будет заранее сообщаться).

Вторые доклады выполняются индивидуально. На одном занятии проводится два доклада, то есть при подготовке стоит рассчитывать материал примерно на 30 минут. Если количество докладов не будет укладываться в рамки курса по времени, то студенты с лучшими выступлениями с вводными докладами могут быть освобождены от второго доклада. Студенты могут сами предложить статьи для разбора, однако итоговый список статей для выступлений составляется преподавателями, после чего студенты выбирают понравившиеся им темы в определенный срок.

Минимум '''за неделю''' до даты выступления докладчик или группа докладчиков должны прислать преподавателю на согласование:

# Краткий план доклада. Он должен быть достаточно подробным, чтобы из него были понятны основные идеи, связи между ними и уровень подробности рассказа про каждую идею. В случае группового доклада, должно быть четко понятно кто из выступающих какую часть будет рассказывать (старайтесь не дробить доклад слишком сильно, лучше чтобы каждый участник рассказывал один связный кусок материала).
# Список вопросов по материалу доклада. 5-6 вопросов (для вводных докладов) или 3-4 вопроса (для докладов по статьям) для проверочной по вашему выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые слушатель из вашего доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели - отличная идея, но спросить выписать все градиенты для обучения модели - плохая) и больше проверять понимание материала, а не запоминание.

'''Сразу после выступления''' необходимо прислать свою презентацию.

При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Штраф за задержку с планом доклада -- до 2 баллов, за задержку с материалами -- до 1 балла. Неявка на свой доклад без уважительной причины приводит к нежелательным последствиям. При наличии уважительной причины, пожалуйста, предупреждайте о ней преподавателя заранее. Оценка за доклад складывается на 75% из оценки преподавателя и на 25% из оценки студентов (по отзывам на доклад).

<big>'''Отзывы на доклады''' </big>
Каждый доклад оценивается не только преподавателем, но и студентами. Несколько одногруппников докладчика, '''присутствовавшие на занятии''', пишут короткий отзыв на выступление и оценивают его по 10-бальной шкале в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии. На групповые вводные доклады назначаются по 2 рецензента на одного докладчика, на индивидуальные доклады - по 3 рецензента.

Отзыв должен обосновывать выставленную оценку, содержать описание положительных и отрицательных сторон, а также предложения по улучшению доклада. Главная цель отзыва - помочь докладчику улучшить свои навыки. Отзыв можно написать до 23:59 следующего после выступления дня (в нашем случае до 23:59 среды). Некачественные отзывы или "отписки", к примеру, "Мне все понравилось, оценка 10", не будут засчитываться как в количество написанных студентом отзывов, так и в оценку выступающего.

<big>'''Проверочные работы''' </big>
Доклады в течение года будут разбиты по темам на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа примерно на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. Полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. При написании проверочной нельзя пользоваться никакими материалами. Если занятия придется перевести в онлайн формат, то формат проверочных будет изменен.

== Курсовые работы и их рецензирование ==

В середине и в конце года проводится кросс-рецензирование курсовых работ студентов. Рецензия на курсовую должна быть значительно подробнее рецензий на доклады. Правила их оформления будут выложены позднее. Также в середине и конце года будет проведена устная предзащита курсовых работ. '''Участие в предзащите в середине года, а также сдача текста в сроки первого кросс-рецензирования является обязательным условием прохождения первой контрольной точки выполнения КР (требования специализации МОП). '''

Примерные даты кросс-рецензирования и предзащит:
* Середина-конец января - предзащита планов КР
* Конец января - начало февраля - первое кросс-рецензирование
* Середина мая (все будет ДО окончательного текста сдачи курсовой) - второе кросс-рецензирование
* Середина-конец мая - предзащиты итоговых КР

<big>'''Первое кросс-рецензирование.''' </big>

'''Важно''':
* Правила оформления КР можно найти [https://www.hse.ru/data/2021/02/12/1408360880/%D0%9F%D1%80%D0%B0%D0%B2%D0%B8%D0%BB%D0%B0_%D0%BF%D0%BE%D0%B4%D0%B3%D0%BE%D1%82%D0%BE%D0%B2%D0%BA%D0%B8_%D0%B8_%D0%BE%D1%86%D0%B5%D0%BD%D0%B8%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%9A%D0%A0_%D0%92%D0%9A%D0%A0_%D0%9F%D0%9C%D0%98%202020-21.pdf здесь]. Обратите особое внимание на методические рекомендации в самом конце документа: они написаны человеческим языком и помогут вам понять как должна выглядеть КР.
* Несдача плана курсовой работы автоматически влечет за собой оценку 0 за первую контрольную точку по КР и оценку 0 за первое кросс-рецензирование.
* Тексты, не соотвествующие требованиям (по объему и содержанию, описанным ниже, и по оформлению, описанному в правилах оформления КР), приниматься не будут. Обратите особое внимание на базовые требования к оформлению (п.2.3), описанные в методических рекомендациях к написанию КР.
* Текст стоит оформлять в LaTeX, для написания можно использовать шаблон по [https://github.com/angusev/coursework_template ссылке].

'''Дедлайны:''' 
Сдача плана курсовой: '''9 февраля 23:59''' 
Сдача рецензий: '''27 марта 23:59'''

Планы курсовой нужно загружать в систему EasyChair по [https://easychair.org/conferences/?conf=rpmla32022 ссылке].

Для участия в первом кросс-рецензировании вам нужно сдать план курсовой работы. План это документ не менее 4-5 страниц (НЕ включая титульный лист, оглавление, абстракт, список литературы и иллюстрации), который является первым вариантом вашей курсовой работы (это относится и к исследовательским, и к программным проектам). Он должен быть оформлен по правилам оформления итогового документа, ссылка на которые приведена выше. Некоторые пункты уже должны быть полностью выполнены (введение, обзор литературы), некоторые только отражать дальнейшие планы (план экспериментов). Также в нем должны быть подробно отражены следующие моменты:
* Задача решаемая в проекте -- если это исследовательский проект, то цель исследования, если программный проект, то описание функционала программы, которую планируется написать.
* Обзор литературы -- текущее состояние области; если это исследование, то позиционирование вашей работы относительно других современных работ (к примеру : мы “лучше” чем работа [1] потому-то, мы исследуем дополнительно случай который не исследуется в [2]), если это программный проект, то описание похожих программных решений и почему их нельзя использовать для решения поставленной задачи.
* План дальнейшей работы -- для исследовательского проекта это описание исследуемых моделей и методов, конкретный план проводимых экспериментов. Для программного проекта -- декомпозиция его на конкретные составляющие, и план их реализации.

План необходимо согласовать с научным руководителем.

Если вы выполняете групповой проект в качестве курсовой, то вам нужно сдавать один текст на группу, однако в нем должно быть четко отражено кто что сделал и собирается сделать дальше. Также объем текста должен быть больше - около 4-5 страниц + по 2-3 страницы на каждого дополнительного участника. Если в вашем проекте есть участники из других групп, то вам нужно в своем плане прописать общую часть проекта и ваши части, а про часть участников из других групп просто написать что она есть и, если это важно для понимания общего формата проекта, написать в паре предложений в чем она заключается.

'''Про рецензии:'''

Написанные планы курсовых работ будут кросс-рецензироваться. Рецензии на доклады будут оцениваться и будут влиять на оценку по НИСу. Общая структура рецензии такая же, как и для рецензий докладов; объем -- половина/целая страница А4. Люди, не сдавшие план вовремя, не будут участвовать в кросс-рецензировании и не смогут получить за него баллы.

* Отнеситесь к процессу ответственно -- если вы не пишете или пишете плохую рецензию, то ваш коллега не получает хорошего фидбека, что очень нечестно по отношению к нему.
* При написании рецензии исходите из того, что ваша главная цель -- помочь коллеге улучшить его работу. Будьте корректны в высказываниях, хорошо обдумайте проект и напишите как его можно улучшить. Даже очень хорошую работу можно сделать еще лучше, поэтому отписки в стиле "все отлично" приниматься не будут.
* Текст рецензии сам по себе должен представлять собой связный текст в научном стиле. Основные требования к рецензии описаны в форме на easychair, в которую вы будете ее загружать (посмотрите на эту форму, прежде чем писать рецензию! там несколько отдельных пунктов).
* Если вы пишете рецензию на групповую работу, постарайтесь кроме общего фидбека на текст, также включить индивидуальный фидбек для каждого участника (например, у участников может быть сильно разный по объему работы вклад в проект или сильно разный по качеству текст).

<big>'''Первая предзащита.''' </big>
Предзащита представляет собой короткое устное выступление студента с презентацией перед преподавателем, в котором он рассказывает про свою задачу и про то, что уже сделано и что планируется сделать в проекте. Основных целей у данного мероприятия две: 1) понять, что у студента есть задача, он понимает что с ней делать и уже начал что-то делать, что задача адекватна по сложности и направленности для КР студента 3 курса МОП; 2) получить фидбек по постановке задачи от преподавателя. К презентации и выступлению строгих требований нет, но крайне желательно учесть следующие моменты:
* Четко продумайте что вы хотите рассказать - выступлений будет много, преподавателю будет сложно понять что вы делаете, если вы не сформулируете это очень четко.
* По времени у вас есть до 5 минут на выступление одного человека (если проект групповой, то примерно (3х+2) минуты, где х - число выступающих). Прорепетируйте свое выступление и постараться из времени не выбиваться - вас очень много, а у преподавателя конечный набор сил. Из ограниченного времени также вытекает, что вам не стоит лить воду/закапываться в формулы и т.п. - рассказывайте кратко и четко, если у преподавателя будут вопросы к деталям, он их задаст после вашего выступления.
* Отразите в презентации следующее:
- титульный слайд (название, исследовательский/программный проект, ваше имя, имя научного руководителя)
- предметная область и постановка задачи
- обзор существующих методов (кто и как решал вашу задачу до вас и в чем состоят недостатки этих решений)
- предлагаемый метод
- план работ
- что уже сделано (чтобы оценить на каком вы сейчас этапе)
* Составляя план работ, задумайтесь обязательно над тем, на каких данных и какие эксперименты вы собираетесь ставить, с какими методами вы ваш хотите сравнить и т.д. Все это в презентации кратко отразите.

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = 0.4 * О_проверочные + 0.3 * О_доклады + 0.1 * О_отзывы + 0.1 * О_предзащиты + 0.1 * О_кросс

* О_проверочные - суммарная оценка за проверочные работы на семинарах,
* О_доклады - суммарная оценка по двум научным выступлениям,
* О_отзывы - суммарная оценка за написание отзывов на доклады,
* О_предзащиты - оценка за выступления на предзащитах,
* О_кросс - оценка за написание рецензий для кросс-рецензирования курсовых.

Все промежуточные оценки не округляются. Итоговая оценка округляется математически.

Экзамена по курсу не будет!