Wiki - Факультет компьютерных наук - Вклад [ru]

Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных

2017-06-01T09:10:03Z

Vlad.shakhuro:

Материалы курса "Прикладные задачи анализа данных"

Преподаватели: Д. И. Игнатов, Е. Л. Черняк

<big>'''ВНИМАНИЕ! Просим группу ИАД-2 придти на занятия ИАД-1, КК 4427, группы ИАД-3 и ИАД-4 – на занятия ИАД-6, КК 4336, или ИАД-7, КК 4428.'''
</big>

Домашние задания можно выполнять индивидуально или в группах по два человека. Отчет по домашнему заданию отправляйте по адресу: iad.hse@yandex.ru , тему письма сформатируйте так: ИАД-X ДЗ-Y Name1 Name2, где X – номер группы, Y – номер домашнего задания, а Name1 Name2 - ваши фамилии (или Name1, если вы делаете домашнее задание самостоятельно) .

Дедлайны домашних заданий в списке ниже. Если вы сдаете домашнее задание после дедлайна, то оценка снижается на 10% за каждый день опоздания.

* Дедлайн по 1 домашнему заданию: все группы -- до 23:59 9.02, кроме ИАД-2 -- до 23:59 16.02.

* Дедлайн по 2 домашнему заданию: все группы -- до 23:59 25.02 (внимание, ДЗ обновлено!!!)

* Дедлайн по 3 домашнему заданию: все группы -- до 23:59 9.03

* Дедлайн по 4 домашнему заданию: все группы -- до 23:59 6.04

* Дедлайн по 5 домашнему заданию: все группы -- до 23:59 16.04

* Дедлайн по техническому заданию по проекту: все группы, кроме ИАД-6 -- до 23:59 13.04, ИАД-6 -- до 23:59 20.04

* Дедлайн по отчету проекту: все группы -- до 23:59 14.06

Отчет по ДЗ состоит из трех частей: содержательный отчет, код и данные. Первые две части можно совместить в ipython notebook.

Оценки за домашние задания:
* [https://docs.google.com/spreadsheets/d/106FFifyMheMv-hydxlnsUfWRT_ARJ4e7HT0lrB8fKVw/edit?usp=sharing ДЗ-1]
* [https://docs.google.com/spreadsheets/d/1-PdjLqURNCGConkDpjr2xnJvVNv8CyOZgCuav3wYjG0/edit?usp=sharing ДЗ-2]
* [https://docs.google.com/spreadsheets/d/1rkaJ30qxvQ1tfZ_lUFnkWaq9ic0lUVfRlL86ZvWUgOQ/edit?usp=sharing ДЗ-3]
* [https://docs.google.com/spreadsheets/d/19TNZzu-MQ6K-Ib4rALNCz8V7tQE1Y-PBMRt47lrDHvg/edit?usp=sharing ДЗ-4]
* [https://docs.google.com/spreadsheets/d/1hClNqgiGRU0QrBsR7BN3TzPM5JwAE7qI7XVK1gYNrsk/edit?usp=sharing ДЗ-5]
* [https://docs.google.com/spreadsheets/d/1j0IYcG6-mbpBsDaRehaLgGXzLxzdJkqZlB9fjgTy2qE/edit?usp=sharing оценки за ТЗ]

[https://www.dropbox.com/s/lfu8mrsnr6hcuoq/IndGroupTask.pdf?dl=0 (NEW) Инструкции по выполнению проекта]

Автоматы по курсу: средняя оценка за домашние задания >= 8, оценка за ТЗ = 1, оценка за отчет по проекту >= 8

== Материалы занятий ==

=== 19.01.2017 ===
[https://www.dropbox.com/s/93j874c0dcsgik4/Intro.pdf?dl=0 Лекция 1. Введение (upd: формула оценки)]

=== 26.01.2017 ===

[https://www.dropbox.com/s/v4u7nbuiu5qwslv/lecture_aot.pdf?dl=0 Лекция 2. Введение в АОТ. Морфология, методы выделения ключевых слов, синтаксис]

[https://www.dropbox.com/s/qhv50d75a78jcbz/practice1.zip?dl=0 Практическое занятие 1. Тетрадки и данные]

[https://www.dropbox.com/s/rx3yikrrdph3hj0/hw1.pdf?dl=0 Домашнее задание 1. Сравнение стилей]

=== 02.01.2017 ===

[https://www.dropbox.com/sh/v2mpmama3v4dy7e/AAB2phSh8jUtnsUlGN7qztRGa?dl=0 Лекция 3 Векторная модель]

[https://www.dropbox.com/s/x4a55crhvtuflti/2_syntax.pdf?dl=0 | Лекция 4 Синтаксис]

[https://www.dropbox.com/s/inelv0f8a3rptws/2017-02-04-140526.txt?dl=0 Практическое занятие 2. Туториалы и полезные ссылки]

[https://www.dropbox.com/s/rfeigvn4wkao7q8/hw2.pdf?dl=0 (обновление) Домашнее задание 2. Word2vec]

=== 9.02.2017 ===

[https://www.dropbox.com/s/n956lfyalxlw5el/1_class.pdf?dl=0 Лекция 5. Классификация в задачах АОТ]

[https://user.phil.hhu.de/~kallmeyer/MachineLearning/index.html Задания из курса Лауры Каллмайер]

[http://sklearn-crfsuite.readthedocs.io/en/latest/tutorial.html Туториал по CRF Suite]

=== 16.02.2017 ===

[https://www.dropbox.com/s/otnidq7fvly8hwp/hw3_data.zip?dl=0 Данные для Домашнего задания З]

[https://www.dropbox.com/s/ypmfmeyurjwflpg/hw3.pdf?dl=0?dl=0 Домашнее задание 3]

[https://github.com/fchollet/keras-resources Туториалы по keras]

[https://github.com/UKPLab/deeplearning4nlp-tutorial Deep Learning 4 NLP]

[http://www.wildml.com/2015/11/understanding-convolutional-neural-networks-for-nlp/ Understanding CNN for NLP]

[http://colah.github.io/posts/2015-08-Understanding-LSTMs/ Understanding LSTMs]

[https://github.com/oxford-cs-deepnlp-2017 Oxford DL for NLP]

[http://web.stanford.edu/class/cs224n/ Stanford NLP with DL]

[https://www.dropbox.com/s/zwakq221gsglj9k/nn.zip?dl=0 Практическое занятие 3. Нейронные сети]

=== 02.03.2017 ===

[https://www.dropbox.com/s/2ehkwhixi561j99/PatternMiningIntro_Minor2017.pdf?dl=0 Лекция 6. Поиск частых множеств и ассоциативные правила (повторение с примерами прикладных задач)]

=== 16.03.2017 ===

[https://www.dropbox.com/s/f9vf73v1yohs6cz/SeqMining.pdf?dl=0 Лекция 7. Поиск частых последовательностей (Sequence mining)]

(UPD) [https://www.dropbox.com/s/4rhvccd4cofg3ul/HW_FIM_FCA_bach4_2017.pdf?dl=0 Домашнее задание 4]

(UPD) [https://www.dropbox.com/s/a0fkxjputm6397n/HW_SEQ_FCA_bach4_2017.pdf?dl=0 Домашнее задание 5]

=== 23.03.2017 ===

[https://www.dropbox.com/s/cen05xxoze6s5nv/decision_trees_inclass2.ipynb?dl=0 Лабораторная по деревьям решений]

[https://www.dropbox.com/s/hk6r7co0ax05fjo/presentation_muratova.pptx?dl=0 Лекция 8. Майнинг последовательностей для демографических данных]

=== 06.04.2017 ===

[https://www.dropbox.com/s/a5xauz6i3zvh9nm/RecSys_course.pdf?dl=0 Рамочная презентация: введение в рекомендательные системы]

[https://www.dropbox.com/s/2476y3ppddc8vvn/Case%201.%20%D0%A0%D0%B5%D0%BA%D0%BE%D0%BC%D0%B5%D0%BD%D0%B4%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B.ppt?dl=0 Case study 1. Подходы на основе сходства по пользователям и предметам рекомендации для коллаборативной фильтрации. Оценка качества на основе бимодального скользящего контроля.]

[https://www.dropbox.com/s/2vxwzj6z2eqemk5/HW_assignment_1.ipynb?dl=0 Скрипт для работы в классе и первая часть домашнего задания]

=== 13.04.2017 ===

Матричная факторизация в задаче коллаборативной фильтрации (SVD, NMF, BMF). [https://www.dropbox.com/s/a5xauz6i3zvh9nm/RecSys_course.pdf?dl=0 Case-study 2.]

[https://www.dropbox.com/s/aij1ussi8p26on4/SVD%20%26%20NMF.ipynb?dl=0 Скрипт на Питоне для SVD и NMF.]

=== 20.04.2017 ===

Гибридные рекомендательные системы на примере рекомендаций онлайн-радиостанций.

[https://www.dropbox.com/s/87rqmqrk5nz7sxv/Case%203%20Warsaw_FMhostTalk.pptx?dl=0 Case-study 3]

[https://www.dropbox.com/s/5pe2a3lrr6moccw/surprise_test.ipynb?dl=0 Surprise test (пример работы с библиотекой рекомендательных систем в Python)]

=== 27.04.2017 ===

[https://www.dropbox.com/s/72fb17d99ib59h1/spectral%20clustering.pdf?dl=0 Спектральная кластеризация для анализа Интернет-данных]

=== 11.05.2017 ===

[https://www.dropbox.com/sh/y08wuo6p6la1nnn/AAB78OebRnRDsU5M0Jk4_wPCa?dl=0 Лабораторная работа по SNA]

[https://www.dropbox.com/s/jkttqdorrzrb51u/DM09-09-Webmining.pdf?dl=0 Лекция про ссылочное ранжирование]

Материал для самостоятельного чтения:

* [http://www.mmds.org/ Leskovec et al., глава 5 книги и слайды].

* [http://www.dataminingbook.info/pmwiki.php/Main/BookPathUploads?action=downloadman&upname=book-20160121.pdf Zaki & Meira, стр. 104-116 (Web centralities)]

=== 18.05.2017 ===

<s>18.05 лекция перенесена в ауд. 5307, Шаболовка 26</s>

'''ВНИМАНИЕ! Занятия 18 мая ОТМЕНЯЮТСЯ!'''

=== 25.05.2017 ===

[https://www.dropbox.com/s/iiqk2xvm3p37myb/Clustering.pdf?dl=0 Методы кластеризации. DBScan и Mean-Shift (Denclue) ]

=== 01.06.2017 ===

[https://yadi.sk/i/PSgr-h2Z3JipaD Распознавание изображений]

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-12-10T11:52:51Z

Vlad.shakhuro:

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1UzoRLCJAT7hFtYGGLRo3nkNNeqF62aWd9yXTjwTTmR8/edit?usp=sharing Таблица с оценками]

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-1/1_svm.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-1/notes.jpg конспект] (Воронцов, §4.5)

22 сентября. ''Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] (Воронцов, §4.3)

29 сентября. ''Обработка данных.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-3/3_data_preprocessing.ipynb notebook].

6 октября. ''Бустинг.'' Конспект [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg 1], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-2.jpg 2]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9)

13 октября. ''Градиентный бустинг, метод Ньютона''. ([http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf Конспект] про метод Ньютона, стр. 1).

20 октября. ''Нейронные сети''. (Воронцов, стр. 102-110)

27 октября. Семинара не было.

3 ноября. Коллоквиум. Ауд. 3231, 12:30.

10 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

17 ноября. ''Случайные величины и ЦПТ''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

24 ноября. ''Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar2_hypotheses тесты], [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar3_correlations корреляция]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

1 декабря. ''Непараметрические тесты, корреляция.'' Ноутбуки (см. предыдущий семинар).

8 декабря. ''Прогнозирование временных рядов.'' [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-time-series Ноутбук]

==Домашние задания==
ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 30 сентября.

ЛР1. Градиентный спуск. (см. семинар 22 сентября). Срок сдачи: 30 сентября.

ДЗ2. Предобработка данных и бустинг. [https://github.com/shahurik/hse-minor-ml/blob/master/hw-2 Формулировка и данные]. Срок сдачи: 23 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря.

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

ДЗ5. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ5 Прогнозирование временного ряда]. Срок сдачи: 18 декабря. Срок сдачи: 18 декабря.

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-12-10T11:52:09Z

Vlad.shakhuro: /* Домашние задания */

__TOC__

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1MEhlcxuTX-JqcEk2M0heG5i21XXMZ6EzBP6sBao87_U/edit?usp=sharing Таблица с оценками]

== Семинары ==

15 сентября. ''Метод опорных векторов. Ядра.'' [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb ноутбук] 

22 сентября. ''Оптимизация. Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 теория], [https://drive.google.com/file/d/0Bxdto9RRxaqMSHNzdXJoanpEejQ/view?usp=sharing пример град. спуска для линейной регрессии]

29 сентября. ''Предобработка данных''. [http://bit.ly/2dtjsRz ноутбук]

6 октября. ''Нейронные сети. Введение.'' [https://www.tensorflow.org/ Tensorflow]

13 октября. ''Бустинг''. [https://drive.google.com/file/d/0Bxdto9RRxaqMX0RkTXJ0djF5WXc/view?usp=sharing ноутбук]

27 октября. Семинара не было.

3 ноября. Коллоквиум.

10 ноября. ''Бустинг, метод Ньютона.'' [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg Конспект]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9,
[http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf конспект] про метод Ньютона, стр. 1).

17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

24 ноября. ''Случайные величины. Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar2_hypotheses тесты], [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar3_correlations корреляция]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

1 декабря. ''Непараметрические тесты, корреляция.'' Ноутбуки (см. предыдущий семинар).

8 декабря. ''Прогнозирование временных рядов.'' [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-time-series Ноутбук]

== Домашние задания ==

ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 2 октября.

ДЗ2. Предобработка данных и бустинг. [https://drive.google.com/open?id=0Bxdto9RRxaqMdG84LWgxSzhmSFU Формулировка и данные]. Срок сдачи: 25 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

ДЗ5. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ5 Прогнозирование временного ряда]. Срок сдачи: 18 декабря.

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

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

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

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-12-08T10:40:24Z

Vlad.shakhuro: /* Семинары */

__TOC__

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1MEhlcxuTX-JqcEk2M0heG5i21XXMZ6EzBP6sBao87_U/edit?usp=sharing Таблица с оценками]

== Семинары ==

15 сентября. ''Метод опорных векторов. Ядра.'' [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb ноутбук] 

22 сентября. ''Оптимизация. Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 теория], [https://drive.google.com/file/d/0Bxdto9RRxaqMSHNzdXJoanpEejQ/view?usp=sharing пример град. спуска для линейной регрессии]

29 сентября. ''Предобработка данных''. [http://bit.ly/2dtjsRz ноутбук]

6 октября. ''Нейронные сети. Введение.'' [https://www.tensorflow.org/ Tensorflow]

13 октября. ''Бустинг''. [https://drive.google.com/file/d/0Bxdto9RRxaqMX0RkTXJ0djF5WXc/view?usp=sharing ноутбук]

27 октября. Семинара не было.

3 ноября. Коллоквиум.

10 ноября. ''Бустинг, метод Ньютона.'' [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg Конспект]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9,
[http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf конспект] про метод Ньютона, стр. 1).

17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

24 ноября. ''Случайные величины. Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar2_hypotheses тесты], [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar3_correlations корреляция]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

1 декабря. ''Непараметрические тесты, корреляция.'' Ноутбуки (см. предыдущий семинар).

8 декабря. ''Прогнозирование временных рядов.'' [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-time-series Ноутбук]

== Домашние задания ==

ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 2 октября.

ДЗ2. Предобработка данных и бустинг. [https://drive.google.com/open?id=0Bxdto9RRxaqMdG84LWgxSzhmSFU Формулировка и данные]. Срок сдачи: 25 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

ДЗ5. Прогнозирование временного ряда. Возьмите любой понравившийся ряд с [https://datamarket.com/data/list/?q=interval:month%20provider:tsdl сайта] и постройте прогноз для него аналогично ноутбуку с семинара. Выбранный ряд занесите в [https://docs.google.com/spreadsheets/d/19qvO_gWgBan7zE_K-3fPLsPPdVMdqBIxZq1ANl1zohI/edit?usp=sharing таблицу]. Ваш ряд не должен совпадать с рядами других студентов. Срок сдачи: 18 декабря.

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

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

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

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-12-08T10:39:59Z

Vlad.shakhuro: /* Домашние задания */

__TOC__

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1MEhlcxuTX-JqcEk2M0heG5i21XXMZ6EzBP6sBao87_U/edit?usp=sharing Таблица с оценками]

== Семинары ==

15 сентября. ''Метод опорных векторов. Ядра.'' [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb ноутбук] 

22 сентября. ''Оптимизация. Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 теория], [https://drive.google.com/file/d/0Bxdto9RRxaqMSHNzdXJoanpEejQ/view?usp=sharing пример град. спуска для линейной регрессии]

29 сентября. ''Предобработка данных''. [http://bit.ly/2dtjsRz ноутбук]

6 октября. ''Нейронные сети. Введение.'' [https://www.tensorflow.org/ Tensorflow]

13 октября. ''Бустинг''. [https://drive.google.com/file/d/0Bxdto9RRxaqMX0RkTXJ0djF5WXc/view?usp=sharing ноутбук]

27 октября. Семинара не было.

3 ноября. Коллоквиум.

10 ноября. ''Бустинг, метод Ньютона.'' [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg Конспект]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9,
[http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf конспект] про метод Ньютона, стр. 1).

17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

24 ноября. ''Случайные величины. Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar2_hypotheses тесты], [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar3_correlations корреляция]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

1 декабря. ''Непараметрические тесты, корреляция.'' Ноутбуки (см. предыдущий семинар).

== Домашние задания ==

ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 2 октября.

ДЗ2. Предобработка данных и бустинг. [https://drive.google.com/open?id=0Bxdto9RRxaqMdG84LWgxSzhmSFU Формулировка и данные]. Срок сдачи: 25 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

ДЗ5. Прогнозирование временного ряда. Возьмите любой понравившийся ряд с [https://datamarket.com/data/list/?q=interval:month%20provider:tsdl сайта] и постройте прогноз для него аналогично ноутбуку с семинара. Выбранный ряд занесите в [https://docs.google.com/spreadsheets/d/19qvO_gWgBan7zE_K-3fPLsPPdVMdqBIxZq1ANl1zohI/edit?usp=sharing таблицу]. Ваш ряд не должен совпадать с рядами других студентов. Срок сдачи: 18 декабря.

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

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

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

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-12-08T10:39:20Z

Vlad.shakhuro:

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1UzoRLCJAT7hFtYGGLRo3nkNNeqF62aWd9yXTjwTTmR8/edit?usp=sharing Таблица с оценками]

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-1/1_svm.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-1/notes.jpg конспект] (Воронцов, §4.5)

22 сентября. ''Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] (Воронцов, §4.3)

29 сентября. ''Обработка данных.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-3/3_data_preprocessing.ipynb notebook].

6 октября. ''Бустинг.'' Конспект [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg 1], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-2.jpg 2]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9)

13 октября. ''Градиентный бустинг, метод Ньютона''. ([http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf Конспект] про метод Ньютона, стр. 1).

20 октября. ''Нейронные сети''. (Воронцов, стр. 102-110)

27 октября. Семинара не было.

3 ноября. Коллоквиум. Ауд. 3231, 12:30.

10 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

17 ноября. ''Случайные величины и ЦПТ''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

24 ноября. ''Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar2_hypotheses тесты], [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar3_correlations корреляция]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

1 декабря. ''Непараметрические тесты, корреляция.'' Ноутбуки (см. предыдущий семинар).

8 декабря. ''Прогнозирование временных рядов.'' [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-time-series Ноутбук]

==Домашние задания==
ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 30 сентября.

ЛР1. Градиентный спуск. (см. семинар 22 сентября). Срок сдачи: 30 сентября.

ДЗ2. Предобработка данных и бустинг. [https://github.com/shahurik/hse-minor-ml/blob/master/hw-2 Формулировка и данные]. Срок сдачи: 23 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря.

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

ДЗ5. Прогнозирование временного ряда. Возьмите любой понравившийся ряд с [https://datamarket.com/data/list/?q=interval:month%20provider:tsdl сайта] и постройте прогноз для него аналогично ноутбуку с семинара. Выбранный ряд занесите в [https://docs.google.com/spreadsheets/d/19qvO_gWgBan7zE_K-3fPLsPPdVMdqBIxZq1ANl1zohI/edit?usp=sharing таблицу]. Ваш ряд не должен совпадать с рядами других студентов. Срок сдачи: 18 декабря.

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-12-01T09:17:41Z

Vlad.shakhuro: /* Семинары */

__TOC__

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1MEhlcxuTX-JqcEk2M0heG5i21XXMZ6EzBP6sBao87_U/edit?usp=sharing Таблица с оценками]

== Семинары ==

15 сентября. ''Метод опорных векторов. Ядра.'' [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb ноутбук] 

22 сентября. ''Оптимизация. Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 теория], [https://drive.google.com/file/d/0Bxdto9RRxaqMSHNzdXJoanpEejQ/view?usp=sharing пример град. спуска для линейной регрессии]

29 сентября. ''Предобработка данных''. [http://bit.ly/2dtjsRz ноутбук]

6 октября. ''Нейронные сети. Введение.'' [https://www.tensorflow.org/ Tensorflow]

13 октября. ''Бустинг''. [https://drive.google.com/file/d/0Bxdto9RRxaqMX0RkTXJ0djF5WXc/view?usp=sharing ноутбук]

27 октября. Семинара не было.

3 ноября. Коллоквиум.

10 ноября. ''Бустинг, метод Ньютона.'' [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg Конспект]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9,
[http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf конспект] про метод Ньютона, стр. 1).

17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

24 ноября. ''Случайные величины. Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar2_hypotheses тесты], [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar3_correlations корреляция]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

1 декабря. ''Непараметрические тесты, корреляция.'' Ноутбуки (см. предыдущий семинар).

== Домашние задания ==

ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 2 октября.

ДЗ2. Предобработка данных и бустинг. [https://drive.google.com/open?id=0Bxdto9RRxaqMdG84LWgxSzhmSFU Формулировка и данные]. Срок сдачи: 25 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

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

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

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

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-12-01T09:17:20Z

Vlad.shakhuro: /* Семинары */

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1UzoRLCJAT7hFtYGGLRo3nkNNeqF62aWd9yXTjwTTmR8/edit?usp=sharing Таблица с оценками]

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-1/1_svm.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-1/notes.jpg конспект] (Воронцов, §4.5)

22 сентября. ''Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] (Воронцов, §4.3)

29 сентября. ''Обработка данных.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-3/3_data_preprocessing.ipynb notebook].

6 октября. ''Бустинг.'' Конспект [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg 1], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-2.jpg 2]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9)

13 октября. ''Градиентный бустинг, метод Ньютона''. ([http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf Конспект] про метод Ньютона, стр. 1).

20 октября. ''Нейронные сети''. (Воронцов, стр. 102-110)

27 октября. Семинара не было.

3 ноября. Коллоквиум. Ауд. 3231, 12:30.

10 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

17 ноября. ''Случайные величины и ЦПТ''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

24 ноября. ''Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar2_hypotheses тесты], [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar3_correlations корреляция]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

1 декабря. ''Непараметрические тесты, корреляция.'' Ноутбуки (см. предыдущий семинар).

==Домашние задания==
ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 30 сентября.

ЛР1. Градиентный спуск. (см. семинар 22 сентября). Срок сдачи: 30 сентября.

ДЗ2. Предобработка данных и бустинг. [https://github.com/shahurik/hse-minor-ml/blob/master/hw-2 Формулировка и данные]. Срок сдачи: 23 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря.

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора) ИАД2-6

2016-12-01T09:15:11Z

Vlad.shakhuro: /* Семинары */

__TOC__
== Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6==

Семинаристы: [https://www.hse.ru/staff/aparinov Паринов Андрей Андреевич], e-mail: [mailto:aparinov@gmail.com aparinov@gmail.com] , [[Участник:ykashnitsky | Кашницкий Юрий Савельевич]], e-mail: [mailto:yury.kashnitsky@gmail.com yury.kashnitsky@gmail.com] 
Ассистент: Айбек Аланов, e-mail: [mailto:alanov.aibek@gmail.com alanov.aibek@gmail.com ] 

Все новости, вопросы и обсуждения – в форуме [https://piazza.com/class/it8xri11d2r3g1 Piazza].

Материалы – в [https://github.com/cs-hse/ML_DM_HSE_minor репозитории] GitHub.

''' [http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0) Страница] курса''' 

'''Таблица с оценками''' [http://bit.ly/2cZjDXA] 
Результирующая оценка по дисциплине рассчитывается по формуле: Oитог=0.7 Oнакопл+0.3 Oэкз 
Накопленная оценка рассчитывается по формуле: Oнакопл=0.15 Oсамост+0.15 Oауд+0.5 Oдз+0.2 Oколлоквиум 
Анонимные комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/z5yXFvn3ElxvyQpk2 здесь] 

== Семинары ==
'''1) 15 сентября 2016:''' Метод опорных векторов. Ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb IPython Notebook] 
'''2) 22 сентября 2016:''' Стохастический градиент - [http://bit.ly/2cqeQ20 Data&Notebook] 
'''3) 29 сентября 2016:''' Предобработка данных - [http://bit.ly/2dtjsRz Notebook] 
'''4) 6 октября 2016:''' Предобработка данных 2 - [https://www.dropbox.com/sh/xki4ui31gdbm42d/AABw9_z02RDt67RSf7vkN1U5a?dl=0 Notebook] 
'''5) 20 октября 2016:''' Bagging. RF. Boosting - [https://www.dropbox.com/s/hvbben268yd7l5p/baggingRFBoosting.zip?dl=0 Notebook] 
'''6) 20 октября 2016:''' Multilayered Perceptron - [https://www.dropbox.com/s/pq0tsya61uljr9w/6.MLP.ipynb?dl=0 Notebook] 
'''7) 10 ноября 2016:''' Градиентный бустинг, Xgboost - [http://nbviewer.jupyter.org/github/cs-hse/ML_DM_HSE_minor/blob/master/module3_advanced_ML_notebooks/seminar7_boosting/part01_boosting.ipynb Notebook] 
'''10) 1 декабря 2016.''' Непараметрические тесты, корреляция. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar2_hypotheses тесты], [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar3_correlations корреляция].

== Домашние Задания ==
[[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/hw1/hw1-svm.ipynb ДЗ 1.]] [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/hw1/data.zip Данные.] ''Срок – 30 сентября 2016'' 
[[http://nbviewer.jupyter.org/github/aparinov/hse-minor2016/blob/master/hw2.ipynb ДЗ 2.]]
[https://www.dropbox.com/s/054unjn4bfo0khj/STUDENT%20ALCOHOL%20CONSUMPTION.pdf?dl=0 Статья] ''Срок – 26 октября 2016'' 
[[http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0)/%D0%94%D0%973 ДЗ 3.]] ЦПТ. ''Срок – 24 ноября 2016'' 
[[http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0)/%D0%94%D0%974 ДЗ 4.]] Удержание клиентов. ''Срок – 1 декабря 2016'' 

== Полезные ссылки ==

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

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

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

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

''' Семинар 1 '''

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

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

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

Современные методы машинного обучения (курс майнора) ИАД2-6

2016-12-01T09:13:22Z

Vlad.shakhuro: /* Семинары */

__TOC__
== Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6==

Семинаристы: [https://www.hse.ru/staff/aparinov Паринов Андрей Андреевич], e-mail: [mailto:aparinov@gmail.com aparinov@gmail.com] , [[Участник:ykashnitsky | Кашницкий Юрий Савельевич]], e-mail: [mailto:yury.kashnitsky@gmail.com yury.kashnitsky@gmail.com] 
Ассистент: Айбек Аланов, e-mail: [mailto:alanov.aibek@gmail.com alanov.aibek@gmail.com ] 

Все новости, вопросы и обсуждения – в форуме [https://piazza.com/class/it8xri11d2r3g1 Piazza].

Материалы – в [https://github.com/cs-hse/ML_DM_HSE_minor репозитории] GitHub.

''' [http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0) Страница] курса''' 

'''Таблица с оценками''' [http://bit.ly/2cZjDXA] 
Результирующая оценка по дисциплине рассчитывается по формуле: Oитог=0.7 Oнакопл+0.3 Oэкз 
Накопленная оценка рассчитывается по формуле: Oнакопл=0.15 Oсамост+0.15 Oауд+0.5 Oдз+0.2 Oколлоквиум 
Анонимные комментарии, замечания и пожелания можно оставить [https://goo.gl/forms/z5yXFvn3ElxvyQpk2 здесь] 

== Семинары ==
'''1) 15 сентября 2016:''' Метод опорных векторов. Ядра - [http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb IPython Notebook] 
'''2) 22 сентября 2016:''' Стохастический градиент - [http://bit.ly/2cqeQ20 Data&Notebook] 
'''3) 29 сентября 2016:''' Предобработка данных - [http://bit.ly/2dtjsRz Notebook] 
'''4) 6 октября 2016:''' Предобработка данных 2 - [https://www.dropbox.com/sh/xki4ui31gdbm42d/AABw9_z02RDt67RSf7vkN1U5a?dl=0 Notebook] 
'''5) 20 октября 2016:''' Bagging. RF. Boosting - [https://www.dropbox.com/s/hvbben268yd7l5p/baggingRFBoosting.zip?dl=0 Notebook] 
'''6) 20 октября 2016:''' Multilayered Perceptron - [https://www.dropbox.com/s/pq0tsya61uljr9w/6.MLP.ipynb?dl=0 Notebook] 
'''7) 10 ноября 2016:''' Градиентный бустинг, Xgboost - [http://nbviewer.jupyter.org/github/cs-hse/ML_DM_HSE_minor/blob/master/module3_advanced_ML_notebooks/seminar7_boosting/part01_boosting.ipynb Notebook] 
'''10) 1 декабря 2016.''' Непараметрические тесты, корреляция. Ноутбуки: [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem9 1], [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem10 2].

== Домашние Задания ==
[[http://nbviewer.jupyter.org/github/grafft/hse-tasks/blob/master/minor-aml-16/hw1/hw1-svm.ipynb ДЗ 1.]] [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/hw1/data.zip Данные.] ''Срок – 30 сентября 2016'' 
[[http://nbviewer.jupyter.org/github/aparinov/hse-minor2016/blob/master/hw2.ipynb ДЗ 2.]]
[https://www.dropbox.com/s/054unjn4bfo0khj/STUDENT%20ALCOHOL%20CONSUMPTION.pdf?dl=0 Статья] ''Срок – 26 октября 2016'' 
[[http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0)/%D0%94%D0%973 ДЗ 3.]] ЦПТ. ''Срок – 24 ноября 2016'' 
[[http://wiki.cs.hse.ru/%D0%A1%D0%BE%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_(%D0%BA%D1%83%D1%80%D1%81_%D0%BC%D0%B0%D0%B9%D0%BD%D0%BE%D1%80%D0%B0)/%D0%94%D0%974 ДЗ 4.]] Удержание клиентов. ''Срок – 1 декабря 2016'' 

== Полезные ссылки ==

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

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

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

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

''' Семинар 1 '''

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

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

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

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-12-01T05:51:22Z

Vlad.shakhuro: /* Семинары */

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1UzoRLCJAT7hFtYGGLRo3nkNNeqF62aWd9yXTjwTTmR8/edit?usp=sharing Таблица с оценками]

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-1/1_svm.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-1/notes.jpg конспект] (Воронцов, §4.5)

22 сентября. ''Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] (Воронцов, §4.3)

29 сентября. ''Обработка данных.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-3/3_data_preprocessing.ipynb notebook].

6 октября. ''Бустинг.'' Конспект [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg 1], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-2.jpg 2]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9)

13 октября. ''Градиентный бустинг, метод Ньютона''. ([http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf Конспект] про метод Ньютона, стр. 1).

20 октября. ''Нейронные сети''. (Воронцов, стр. 102-110)

27 октября. Семинара не было.

3 ноября. Коллоквиум. Ауд. 3231, 12:30.

10 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

17 ноября. ''Случайные величины и ЦПТ''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

24 ноября. ''Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem9 1], [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem10 2]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

1 декабря. ''Непараметрические тесты, корреляция.'' Ноутбуки (см. предыдущий семинар).

==Домашние задания==
ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 30 сентября.

ЛР1. Градиентный спуск. (см. семинар 22 сентября). Срок сдачи: 30 сентября.

ДЗ2. Предобработка данных и бустинг. [https://github.com/shahurik/hse-minor-ml/blob/master/hw-2 Формулировка и данные]. Срок сдачи: 23 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря.

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-12-01T05:50:47Z

Vlad.shakhuro: /* Семинары */

__TOC__

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1MEhlcxuTX-JqcEk2M0heG5i21XXMZ6EzBP6sBao87_U/edit?usp=sharing Таблица с оценками]

== Семинары ==

15 сентября. ''Метод опорных векторов. Ядра.'' [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb ноутбук] 

22 сентября. ''Оптимизация. Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 теория], [https://drive.google.com/file/d/0Bxdto9RRxaqMSHNzdXJoanpEejQ/view?usp=sharing пример град. спуска для линейной регрессии]

29 сентября. ''Предобработка данных''. [http://bit.ly/2dtjsRz ноутбук]

6 октября. ''Нейронные сети. Введение.'' [https://www.tensorflow.org/ Tensorflow]

13 октября. ''Бустинг''. [https://drive.google.com/file/d/0Bxdto9RRxaqMX0RkTXJ0djF5WXc/view?usp=sharing ноутбук]

27 октября. Семинара не было.

3 ноября. Коллоквиум.

10 ноября. ''Бустинг, метод Ньютона.'' [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg Конспект]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9,
[http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf конспект] про метод Ньютона, стр. 1).

17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

24 ноября. ''Случайные величины. Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem9 1], [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem10 2]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

1 декабря. ''Непараметрические тесты, корреляция.'' Ноутбуки (см. предыдущий семинар).

== Домашние задания ==

ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 2 октября.

ДЗ2. Предобработка данных и бустинг. [https://drive.google.com/open?id=0Bxdto9RRxaqMdG84LWgxSzhmSFU Формулировка и данные]. Срок сдачи: 25 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

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

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

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

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-12-01T05:32:10Z

Vlad.shakhuro: /* Домашние задания */

__TOC__

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1MEhlcxuTX-JqcEk2M0heG5i21XXMZ6EzBP6sBao87_U/edit?usp=sharing Таблица с оценками]

== Семинары ==

15 сентября. ''Метод опорных векторов. Ядра.'' [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb ноутбук] 

22 сентября. ''Оптимизация. Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 теория], [https://drive.google.com/file/d/0Bxdto9RRxaqMSHNzdXJoanpEejQ/view?usp=sharing пример град. спуска для линейной регрессии]

29 сентября. ''Предобработка данных''. [http://bit.ly/2dtjsRz ноутбук]

6 октября. ''Нейронные сети. Введение.'' [https://www.tensorflow.org/ Tensorflow]

13 октября. ''Бустинг''. [https://drive.google.com/file/d/0Bxdto9RRxaqMX0RkTXJ0djF5WXc/view?usp=sharing ноутбук]

27 октября. Семинара не было.

3 ноября. Коллоквиум.

10 ноября. ''Бустинг, метод Ньютона.'' [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg Конспект]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9,
[http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf конспект] про метод Ньютона, стр. 1).

17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

24 ноября. ''Случайные величины. Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem9 1], [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem10 2]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

== Домашние задания ==

ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 2 октября.

ДЗ2. Предобработка данных и бустинг. [https://drive.google.com/open?id=0Bxdto9RRxaqMdG84LWgxSzhmSFU Формулировка и данные]. Срок сдачи: 25 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

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

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

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

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-12-01T05:31:38Z

Vlad.shakhuro: /* Домашние задания */

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1UzoRLCJAT7hFtYGGLRo3nkNNeqF62aWd9yXTjwTTmR8/edit?usp=sharing Таблица с оценками]

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-1/1_svm.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-1/notes.jpg конспект] (Воронцов, §4.5)

22 сентября. ''Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] (Воронцов, §4.3)

29 сентября. ''Обработка данных.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-3/3_data_preprocessing.ipynb notebook].

6 октября. ''Бустинг.'' Конспект [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg 1], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-2.jpg 2]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9)

13 октября. ''Градиентный бустинг, метод Ньютона''. ([http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf Конспект] про метод Ньютона, стр. 1).

20 октября. ''Нейронные сети''. (Воронцов, стр. 102-110)

27 октября. Семинара не было.

3 ноября. Коллоквиум. Ауд. 3231, 12:30.

10 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

17 ноября. ''Случайные величины и ЦПТ''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

24 ноября. ''Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem9 1], [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem10 2]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

==Домашние задания==
ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 30 сентября.

ЛР1. Градиентный спуск. (см. семинар 22 сентября). Срок сдачи: 30 сентября.

ДЗ2. Предобработка данных и бустинг. [https://github.com/shahurik/hse-minor-ml/blob/master/hw-2 Формулировка и данные]. Срок сдачи: 23 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря.

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-11-24T13:18:25Z

Vlad.shakhuro: /* Семинары */

__TOC__

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1MEhlcxuTX-JqcEk2M0heG5i21XXMZ6EzBP6sBao87_U/edit?usp=sharing Таблица с оценками]

== Семинары ==

15 сентября. ''Метод опорных векторов. Ядра.'' [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb ноутбук] 

22 сентября. ''Оптимизация. Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 теория], [https://drive.google.com/file/d/0Bxdto9RRxaqMSHNzdXJoanpEejQ/view?usp=sharing пример град. спуска для линейной регрессии]

29 сентября. ''Предобработка данных''. [http://bit.ly/2dtjsRz ноутбук]

6 октября. ''Нейронные сети. Введение.'' [https://www.tensorflow.org/ Tensorflow]

13 октября. ''Бустинг''. [https://drive.google.com/file/d/0Bxdto9RRxaqMX0RkTXJ0djF5WXc/view?usp=sharing ноутбук]

27 октября. Семинара не было.

3 ноября. Коллоквиум.

10 ноября. ''Бустинг, метод Ньютона.'' [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg Конспект]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9,
[http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf конспект] про метод Ньютона, стр. 1).

17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

24 ноября. ''Случайные величины. Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem9 1], [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem10 2]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

== Домашние задания ==

ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 2 октября.

ДЗ2. Предобработка данных и бустинг. [https://drive.google.com/open?id=0Bxdto9RRxaqMdG84LWgxSzhmSFU Формулировка и данные]. Срок сдачи: 25 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 24 ноября. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 1 декабря.

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

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

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

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-11-24T12:09:14Z

Vlad.shakhuro: /* Семинары */

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1UzoRLCJAT7hFtYGGLRo3nkNNeqF62aWd9yXTjwTTmR8/edit?usp=sharing Таблица с оценками]

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-1/1_svm.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-1/notes.jpg конспект] (Воронцов, §4.5)

22 сентября. ''Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] (Воронцов, §4.3)

29 сентября. ''Обработка данных.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-3/3_data_preprocessing.ipynb notebook].

6 октября. ''Бустинг.'' Конспект [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg 1], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-2.jpg 2]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9)

13 октября. ''Градиентный бустинг, метод Ньютона''. ([http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf Конспект] про метод Ньютона, стр. 1).

20 октября. ''Нейронные сети''. (Воронцов, стр. 102-110)

27 октября. Семинара не было.

3 ноября. Коллоквиум. Ауд. 3231, 12:30.

10 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

17 ноября. ''Случайные величины и ЦПТ''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

24 ноября. ''Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem9 1], [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem10 2]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

==Домашние задания==
ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 30 сентября.

ЛР1. Градиентный спуск. (см. семинар 22 сентября). Срок сдачи: 30 сентября.

ДЗ2. Предобработка данных и бустинг. [https://github.com/shahurik/hse-minor-ml/blob/master/hw-2 Формулировка и данные]. Срок сдачи: 23 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 24 ноября.

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 1 декабря.

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-11-24T10:49:03Z

Vlad.shakhuro:

__TOC__

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1MEhlcxuTX-JqcEk2M0heG5i21XXMZ6EzBP6sBao87_U/edit?usp=sharing Таблица с оценками]

== Семинары ==

15 сентября. ''Метод опорных векторов. Ядра.'' [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb ноутбук] 

22 сентября. ''Оптимизация. Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 теория], [https://drive.google.com/file/d/0Bxdto9RRxaqMSHNzdXJoanpEejQ/view?usp=sharing пример град. спуска для линейной регрессии]

29 сентября. ''Предобработка данных''. [http://bit.ly/2dtjsRz ноутбук]

6 октября. ''Нейронные сети. Введение.'' [https://www.tensorflow.org/ Tensorflow]

13 октября. ''Бустинг''. [https://drive.google.com/file/d/0Bxdto9RRxaqMX0RkTXJ0djF5WXc/view?usp=sharing ноутбук]

27 октября. Семинара не было.

3 ноября. Коллоквиум.

10 ноября. ''Бустинг, метод Ньютона.'' [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg Конспект]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9,
[http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf конспект] про метод Ньютона, стр. 1).

17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

24 ноября. ''Случайные величины. Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem9 1], [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem10 2].

== Домашние задания ==

ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 2 октября.

ДЗ2. Предобработка данных и бустинг. [https://drive.google.com/open?id=0Bxdto9RRxaqMdG84LWgxSzhmSFU Формулировка и данные]. Срок сдачи: 25 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 24 ноября. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 1 декабря.

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

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

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

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-11-24T10:48:48Z

Vlad.shakhuro:

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1UzoRLCJAT7hFtYGGLRo3nkNNeqF62aWd9yXTjwTTmR8/edit?usp=sharing Таблица с оценками]

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-1/1_svm.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-1/notes.jpg конспект] (Воронцов, §4.5)

22 сентября. ''Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] (Воронцов, §4.3)

29 сентября. ''Обработка данных.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-3/3_data_preprocessing.ipynb notebook].

6 октября. ''Бустинг.'' Конспект [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg 1], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-2.jpg 2]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9)

13 октября. ''Градиентный бустинг, метод Ньютона''. ([http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf Конспект] про метод Ньютона, стр. 1).

20 октября. ''Нейронные сети''. (Воронцов, стр. 102-110)

27 октября. Семинара не было.

3 ноября. Коллоквиум. Ауд. 3231, 12:30.

10 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

17 ноября. ''Случайные величины и ЦПТ''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

24 ноября. ''Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem9 1], [https://github.com/grafft/hse-tasks/tree/master/minor-aml-16/sem10 2].

==Домашние задания==
ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 30 сентября.

ЛР1. Градиентный спуск. (см. семинар 22 сентября). Срок сдачи: 30 сентября.

ДЗ2. Предобработка данных и бустинг. [https://github.com/shahurik/hse-minor-ml/blob/master/hw-2 Формулировка и данные]. Срок сдачи: 23 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 24 ноября.

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 1 декабря.

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-11-17T10:06:29Z

Vlad.shakhuro: /* Семинары */

__TOC__

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1MEhlcxuTX-JqcEk2M0heG5i21XXMZ6EzBP6sBao87_U/edit?usp=sharing Таблица с оценками]

== Семинары ==

15 сентября. ''Метод опорных векторов. Ядра.'' [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb ноутбук] 

22 сентября. ''Оптимизация. Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 теория], [https://drive.google.com/file/d/0Bxdto9RRxaqMSHNzdXJoanpEejQ/view?usp=sharing пример град. спуска для линейной регрессии]

29 сентября. ''Предобработка данных''. [http://bit.ly/2dtjsRz ноутбук]

6 октября. ''Нейронные сети. Введение.'' [https://www.tensorflow.org/ Tensorflow]

13 октября. ''Бустинг''. [https://drive.google.com/file/d/0Bxdto9RRxaqMX0RkTXJ0djF5WXc/view?usp=sharing ноутбук]

27 октября. Семинара не было.

3 ноября. Коллоквиум.

10 ноября. ''Бустинг, метод Ньютона.'' [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg Конспект]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9,
[http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf конспект] про метод Ньютона, стр. 1).

17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

== Домашние задания ==

ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 2 октября.

ДЗ2. Предобработка данных и бустинг. [https://drive.google.com/open?id=0Bxdto9RRxaqMdG84LWgxSzhmSFU Формулировка и данные]. Срок сдачи: 25 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 24 ноября. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

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

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

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

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-11-17T10:05:10Z

Vlad.shakhuro: /* Домашние задания */

__TOC__

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1MEhlcxuTX-JqcEk2M0heG5i21XXMZ6EzBP6sBao87_U/edit?usp=sharing Таблица с оценками]

== Семинары ==

15 сентября. ''Метод опорных векторов. Ядра.'' [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb ноутбук] 

22 сентября. ''Оптимизация. Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 теория], [https://drive.google.com/file/d/0Bxdto9RRxaqMSHNzdXJoanpEejQ/view?usp=sharing пример град. спуска для линейной регрессии]

29 сентября. ''Предобработка данных''. [http://bit.ly/2dtjsRz ноутбук]

6 октября. ''Нейронные сети. Введение.'' [https://www.tensorflow.org/ Tensorflow]

13 октября. ''Бустинг''. [https://drive.google.com/file/d/0Bxdto9RRxaqMX0RkTXJ0djF5WXc/view?usp=sharing ноутбук]

27 октября. Семинара не было.

3 ноября. Коллоквиум.

10 ноября. ''Бустинг, метод Ньютона.'' [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg Конспект]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9,
[http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf конспект] про метод Ньютона, стр. 1).

== Домашние задания ==

ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 2 октября.

ДЗ2. Предобработка данных и бустинг. [https://drive.google.com/open?id=0Bxdto9RRxaqMdG84LWgxSzhmSFU Формулировка и данные]. Срок сдачи: 25 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 24 ноября. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

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

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

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

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-11-17T09:59:14Z

Vlad.shakhuro: /* Семинары */

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-11-17T07:53:19Z

Vlad.shakhuro: /* Домашние задания */

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-11-17T07:52:25Z

Vlad.shakhuro: /* Домашние задания */

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-11-16T12:51:40Z

Vlad.shakhuro: /* Семинары */

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-11-16T12:51:27Z

Vlad.shakhuro: /* Семинары */

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-11-16T12:46:12Z

Vlad.shakhuro:

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-11-16T12:45:42Z

Vlad.shakhuro: /* Домашние задания */

Современные методы машинного обучения (курс майнора)

2016-11-14T21:03:37Z

Vlad.shakhuro: /* Страницы групп */

== О курсе ==

=== Программа ===

Официальная программа появится после ее утверждения. Пока можно посмотреть [https://docs.google.com/document/d/1uMhS8SMqsZLtaOib-2OVvgG1K3wnBfkhLFqBh_78N5c/edit?usp=sharing черновик].

=== Оценка за курс ===

Оценка за курс складывается из:

* Домашние работы (в том числе соревнования).
* Проверочные работы на семинарах.
* Аудиторная работа.
* Коллоквиум в конце 1 модуля.
* Экзамен.

Оценка вычисляется по следующим формулам:

ИТОГ = 0.7 * НАКОПЛЕННАЯ + 0.3 * ЭКЗАМЕН

НАКОПЛЕННАЯ = 0.15 * ПРОВЕРОЧНЫЕ + 0.15 * АУДИТОРНАЯ + 0.5 * ДЗ + 0.2 * КОЛЛОКВИУМ.

Также накопленная оценка может быть повышена за получение призовых мест на соревновании.

На усмотрение семинариста и лектора могут выставляться автоматы (при условии отличной накопленной оценки).

=== Обратная связь ===

По вопросам касательно лекций можете писать на alexeyum@gmail.com (первый модуль) или riabenko.e@gmail.com (второй модуль), добавляя строку "[Майнор ИАД]" в заголовок письма.

По этой ссылке можно оставить анонимный отзыв или предложение для курса: https://goo.gl/forms/JJEqdPLfikko3Na23

Вопросы по материалу можно обсуждать тут: http://piazza.com/hse.ru/fall2016/da3

По административным вопросам обращайтесь к Ивановой Оксане Анатольевне, oksanaivanova@hse.ru

=== Семинарские группы ===

[https://www.dropbox.com/s/bjqu2de2dpuajvn/%D0%A1%D0%BF%D0%B8%D1%81%D0%BA%D0%B8%20%D0%B3%D1%80%D1%83%D0%BF%D0%BF.xlsx?dl=0 Списки групп]

'''В связи с тем, что уже прошло больше месяца с начала года, переводы между группами больше делаться не будут.'''

== Учебный процесс ==

=== Лекции ===

====1 модуль====

Лекция 1 (1 сентября, сдвоенная). Метод опорных векторов, ядра. [https://www.dropbox.com/s/z38prt1q94qf2wa/lecture-1-kernels.pdf?dl=0 Слайды.]

Лекция 2 (15 сентября). Методы оптимизации. [https://www.dropbox.com/s/1qd8q8nnddeig8s/lecture-2-gradient.pdf?dl=0 Слайды.]

Лекция 3 (22 сентября). Методы обработки данных (пропуски, категориальные признаки). [https://www.dropbox.com/s/0gjbnofpwbz8lnl/lecture-3-data.pdf?dl=0 Слайды.]

Лекция 4 (6 октября). Бустинг. [https://www.dropbox.com/s/0mbe7hcn0e8xmzh/lecture-4-boosting.pdf?dl=0 Слайды.]

Лекция 5 (13 октября) Бустинг (продолжение). Нейронные сети (начало). [https://www.dropbox.com/s/3gvftbheyq5mhvm/lecture-5-boosting-ann.pdf?dl=0 Слайды.]

Лекция 6 (20 октября, сдвоенная). Консультация перед коллоквиумом (1 пара). Нейронные сети, продолжение (4 пара). [https://www.dropbox.com/s/h4quxr7fzxhdqkk/lecture-6-ann-learning.pdf?dl=0 Слайды].

==== 2 модуль ====

Лекция 1 (10 ноября). Распределения и статистики. [https://yadi.sk/d/VmbkklLcyLeTc Слайды]

Лекция 2 (17 ноября). Проверка гипотез.

Лекция 3 (24 ноября). Анализ зависимостей.

Лекция 4 (1 декабря). Регрессия.

Лекция 5 (8 декабря). Прогнозирование временных рядов.

Лекция 6 (15 декабря). Множественная проверка гипотез.

=== Коллоквиум ===

Программа коллоквиума: https://docs.google.com/document/d/1bheHxPvyjNRUXzohD7gx4bfbT4yx_d7kqIxCYNxZ7PQ/edit

Коллоквиум пройдет в начале 3 ноября в аудитории 3231. Расписание по группам:

{| class="wikitable"
|-
! Группы !! Время
|-
| ИАД-1, ИАД-2, ИАД-3 || 10:30
|-
| ИАД-6, ИАД-7, ИАД-8 || 12:30
|-
| ИАД-4, ИАД-5 || 14:30
|}

[https://docs.google.com/spreadsheets/d/1d1ntWx7FrzTPRCoGYdVezRfQwlyA5AMk598UG2gjfqk/edit?usp=sharing Оценки за коллоквиум.]

=== Домашние задания ===
# ДЗ 1. SVM и ядра. Даты сдачи и условия смотрите на странице группы или уточняйте у своих семинаристов.
# ДЗ 2. Предобработка данных и бустин. Даты сдачи и условия смотрите на странице группы или уточняйте у своих семинаристов.
# ДЗ 3. [[Современные методы машинного обучения (курс майнора)/ДЗ3|Центральная предельная теорема]]. Даты сдачи и условия смотрите на странице группы или уточняйте у своих семинаристов.

=== Соревнование ===

[https://kaggle.com/join/8qoUDtE07A Ссылка].

При регистрации в соревнование указывайте свое имя и фамилию в качестве названия команды (команды в соревновании условны и состоят из одного человека).

После окончания соревнования для получения оценки необходимо будет прислать семинаристу тетрадку, которая использует данные обучения и признаки тестовых объектов, и генерирует ответ, который был отправлен в соревнование.

Оценка за соревнование выставляется в соответствии с бейзлайнами, которые вы обошли. Сореванование учитывается как одно домашнее задание.

Также топ-5 участников получат в качестве бонуса увеличение накопленной оценки: 1 место получает +1 балл, 2 место - +0.8 балла, 3 место - +0.6 балла, 4 место - +0.4 балла, 5 место - +0.2 балла.

=== Страницы групп ===

* [[Современные методы машинного обучения (курс майнора) ИАД1-5|ИАД1]]
* [[Современные методы машинного обучения (курс майнора) ИАД2-6|ИАД2]]
* [[Современные методы машинного обучения (курс майнора) ИАД3-7|ИАД3]]
* [[Современные_методы_машинного_обучения_(курс_майнора)_ИАД4 | ИАД4]]
* [[Современные методы машинного обучения (курс майнора) ИАД1-5|ИАД5]]
* [[Современные методы машинного обучения (курс майнора) ИАД2-6|ИАД6]]
* [[Современные_методы_машинного_обучения_(курс_майнора)/ИАД-7|ИАД7]]
* [[Современные_методы_машинного_обучения_(курс_майнора)/ИАД-8 | ИАД8]]

== Материалы ==

В конце слайдов каждой лекции есть небольшая подборка материалов по теме лекции. Ниже приведен набор материалов, охватывающих многие темы.

=== Книги ===

* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006. [http://www.springer.com/br/book/9780387310732 первые главы]
* [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]

=== Ресурсы ===

* [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]

Современные методы машинного обучения (курс майнора)/ИАД-7

2016-11-14T21:02:36Z

Vlad.shakhuro: Новая страница: «__TOC__ Семинарист: Влад Шахуро shahurik@ya.ru В начало темы писем добавляйте [ИАД]. [https://docs.google.c…»

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-11-11T07:58:02Z

Vlad.shakhuro: /* Семинары */

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-11-01T14:14:07Z

Vlad.shakhuro: /* Семинары */

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-10-26T06:23:40Z

Vlad.shakhuro:

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-10-20T12:09:31Z

Vlad.shakhuro:

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-10-13T19:26:16Z

Vlad.shakhuro:

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-10-13T18:49:42Z

Vlad.shakhuro:

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-10-06T09:26:21Z

Vlad.shakhuro:

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-10-06T09:08:09Z

Vlad.shakhuro:

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-09-29T09:59:32Z

Vlad.shakhuro:

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-09-29T09:46:47Z

Vlad.shakhuro:

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-09-23T07:08:10Z

Vlad.shakhuro: /* Домашние задания */

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-1/1_svm.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-1/notes.jpg конспект] (Воронцов, §4.5)

22 сентября. ''Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] (Воронцов, §4.3)

==Домашние задания==
ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 30 сентября 23:59.

ЛР1. Градиентный спуск. (см. семинар 22 сентября). Срок сдачи: 30 сентября 23:59.

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-09-22T06:33:11Z

Vlad.shakhuro:

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-1/1_svm.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-1/notes.jpg конспект] (Воронцов, §4.5)

22 сентября. ''Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] (Воронцов, §4.3)

==Домашние задания==
ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 30 сентября 23:59.

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-09-22T06:31:12Z

Vlad.shakhuro: /* Семинары */

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-1/1_svm.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-1/notes.jpg конспект] (Воронцов, §4.5)

22 сентября. ''Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook] (Воронцов, §4.3)

==Домашние задания==
ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 30 сентября 23:59.

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора)

2016-09-16T08:12:47Z

Vlad.shakhuro:

== О курсе ==

=== Оценка за курс ===

Оценка за курс складывается из:

* Домашние работы (в том числе соревнования).
* Проверочные работы на семинарах.
* Аудиторная работа.
* Коллоквиум в конце 1 модуля.
* Экзамен.

Оценка вычисляется по следующим формулам:

ИТОГ = 0.7 * НАКОПЛЕННАЯ + 0.3 * ЭКЗАМЕН

НАКОПЛЕННАЯ = 0.15 * ПРОВЕРОЧНЫЕ + 0.15 * АУДИТОРНАЯ + 0.5 * ДЗ + 0.2 * КОЛЛОКВИУМ.

Также накопленная оценка может быть повышена за получение призовых мест на соревновании.

На усмотрение семинариста и лектора могут выставляться автоматы (при условии отличной накопленной оценки).

=== Обратная связь ===

По вопросам касательно лекций можете писать на alexeyum@gmail.com, добавляя строку "[Майнор ИАД]" в заголовок письма.

По этой ссылке можно оставить анонимный отзыв или предложение для курса: https://goo.gl/forms/JJEqdPLfikko3Na23

== Учебный процесс ==

=== Лекции ===

====1 модуль====

Лекции 1 и 2 (1 сентября). Метод опорных векторов, ядра. [https://www.dropbox.com/s/z38prt1q94qf2wa/lecture-1-kernels.pdf?dl=0 Слайды.]

Лекция 3 (15 сентября). Методы оптимизации. [https://www.dropbox.com/s/1qd8q8nnddeig8s/lecture-2-gradient.pdf?dl=0 Слайды.]

''(Планируемые)''

Лекция 4. Методы обработки данных.

Лекция 5. Бустинг.

Лекция 6. Матричные разложения.

Лекция 7. Нейронные сети.

Лекция 8. Продвинутые методы кластеризации.

==== 2 модуль ====

(Будет объявлено позже)

=== Домашние задания ===
# ДЗ 1. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные], ''cрок - 30 сентября 2016'' 

=== Страницы групп ===

[https://www.dropbox.com/s/bjqu2de2dpuajvn/%D0%A1%D0%BF%D0%B8%D1%81%D0%BA%D0%B8%20%D0%B3%D1%80%D1%83%D0%BF%D0%BF.xlsx?dl=0 Списки групп]

* [[Современные методы машинного обучения (курс майнора) ИАД1-5|ИАД1]]
* ИАД2
* ИАД3
* [[Современные_методы_машинного_обучения_(курс_майнора)_ИАД4 | ИАД4]]
* [[Современные методы машинного обучения (курс майнора) ИАД1-5|ИАД5]]
* ИАД6
* ИАД7
* [[Современные_методы_машинного_обучения_(курс_майнора)/ИАД-8 | ИАД8]]

== Материалы ==

* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006.

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-09-16T07:17:41Z

Vlad.shakhuro: /* Домашние задания */

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-1/1_svm.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-1/notes.jpg конспект] (Воронцов, §4.5)

==Домашние задания==
ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 30 сентября 23:59.

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-09-16T07:15:15Z

Vlad.shakhuro: /* Семинары */

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-09-16T05:55:02Z

Vlad.shakhuro: /* Домашние задания */

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-09-15T06:38:27Z

Vlad.shakhuro: /* Семинары */

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-09-15T06:28:26Z

Vlad.shakhuro: /* Семинары */

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/1_svm.ipynb notebook] (Воронцов, §4.5)

==Домашние задания==

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова

Современные методы машинного обучения (курс майнора)

2016-09-15T04:09:18Z

Vlad.shakhuro:

== О курсе ==

=== Оценка за курс ===

Оценка за курс складывается из:

* Домашние работы (в том числе соревнования).
* Проверочные работы на семинарах.
* Аудиторная работа.
* Коллоквиум в конце 1 модуля.
* Экзамен.

Оценка вычисляется по следующим формулам:

ИТОГ = 0.7 * НАКОПЛЕННАЯ + 0.3 * ЭКЗАМЕН

НАКОПЛЕННАЯ = 0.15 * ПРОВЕРОЧНЫЕ + 0.15 * АУДИТОРНАЯ + 0.5 * ДЗ + 0.2 * КОЛЛОКВИУМ.

Также накопленная оценка может быть повышена за получение призовых мест на соревновании.

На усмотрение семинариста и лектора могут выставляться автоматы (при условии отличной накопленной оценки).

=== Обратная связь ===

По вопросам касательно лекций можете писать на alexeyum@gmail.com, добавляя строку "[Майнор ИАД]" в заголовок письма.

По этой ссылке можно оставить анонимный отзыв или предложение для курса: https://goo.gl/forms/JJEqdPLfikko3Na23

== Учебный процесс ==

=== Лекции ===

====1 модуль====

Лекции 1 и 2 (1 сентября). Метод опорных векторов, ядра. [https://www.dropbox.com/s/z38prt1q94qf2wa/lecture-1-kernels.pdf?dl=0 Слайды.]

''(Планируемые)''

Лекция 3 (15 сентября). Методы оптимизации.

Лекция 4. Методы обработки данных.

Лекция 5. Бустинг.

Лекция 6. Матричные разложения.

Лекция 7. Нейронные сети.

Лекция 8. Продвинутые методы кластеризации.

==== 2 модуль ====

(Будет объявлено позже)

=== Домашние работы ===

=== Страницы групп ===
* ИАД1
* ИАД2
* ИАД3
* [[Современные_методы_машинного_обучения_(курс_майнора)_ИАД4 | ИАД4]]
* ИАД5
* ИАД6
* ИАД7
* [[Современные_методы_машинного_обучения_(курс_майнора)/ИАД-8 | ИАД8]]

== Материалы ==

Современные методы машинного обучения (курс майнора)/ИАД-8

2016-09-15T04:08:19Z

Vlad.shakhuro: Новая страница: «Семинарист: Влад Шахуро shahurik@ya.ru В начало темы писем добавляйте [ИАД]. ==Семинары== 15 сен…»

Семинарист: Влад Шахуро shahurik@ya.ru 
В начало темы писем добавляйте [ИАД].

==Семинары==

15 сентября. ''Метод опорных векторов. Ядра.'' (Воронцов, §4.5)

==Домашние задания==

==Литература==
[http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов) Страница], [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf текст] и [https://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC видео] лекций К.В.Воронцова