Wiki - Факультет компьютерных наук - Вклад [ru]

Современные методы машинного обучения (курс майнора) ИАД2-6

2016-12-10T06:55:23Z

Ykashnitsky: /* Домашние Задания */ ДЗ 5

__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'' 
[[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%975 ДЗ 5.]] Анализ временного ряда. ''Срок – 15 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]

Майнор Интеллектуальный анализ данных/Введение в программирование 2017/2018

2016-12-03T09:23:59Z

Ykashnitsky: /* Практические занятия */ + Pandas

<pre style="color: red">Переписывание КР 23.11.2016 в 13:40 в аудиториях 4335, 4336</pre>

=== Курс "Введение в программирование" в майноре "Интеллектуальный анализ данных" ===
==== О курсе ====
Курс посвящён изучению основ и методологии программирования на основе языка Python, который широко используется для разработки и реализации методов анализа данных. Рассматриваются основные алгоритмы и структуры данных, средства разработки и отладки программ. Изучаются основы работы с библиотекой поддержки больших многомерных массивов NumPy и пакетом анализа данных Pandas. 

'''Читается:''' 1-2 модуль 2 курса, 2016/2017 учебный год. 
'''Пререквизиты:''' Нет 
'''Трудоемкость:''' 5 кредитов 
===== Продолжительность =====
'''Всего:''' 60 аудиторных часов: 
'''Из них:'''
* 30 часов лекций
* 30 часов практических занятий
===== Формы контроля =====
* контрольная работа
* домашнее задание
* экзамен
===== Преподаватели =====
# '''[http://www.hse.ru/staff/voznesenskaya Вознесенская Тамара Васильевна]''', Доцент, ведёт лекционные и практические занятия
# '''[http://www.hse.ru/org/persons/100454989 Кашницкий Юрий Савельевич]''', Преподаватель, ведёт практические занятия
# '''[http://www.hse.ru/staff/skutylev Кутылев Сергей Александрович]''', Преподаватель, ведёт практические занятия
# '''[https://www.hse.ru/org/persons/179803503 Дубнов Юрий Андреевич]''', Преподаватель, ведёт практические занятия

===== Расписание =====
{| class="wikitable"
|-
! Пара !! Группа (ауд.) !! Преподаватель !! Группа (ауд.) !! Преподаватель !! Группа (ауд.) !! Преподаватель
|-
| 12.10-13.30 || ИАД-9 || Вознесенская Т.В. || ИАД-10 || Кутылев С.А. || - || -
|-
| 13.40-15.00 || Лекция || Вознесенская Т.В. || Лекция || Вознесенская Т.В. || Лекция || Вознесенская Т.В.
|-
| 15.10-16.30 || Текст ячейки || Текст ячейки || Текст ячейки || Текст ячейки || Текст ячейки || Текст ячейки
|-
| 16.40-18.00|| Текст ячейки || Текст ячейки || Текст ячейки || Текст ячейки || Текст ячейки || Текст ячейки
|}

====Учебный процесс====
===== Лекции =====
* ЛЕКЦИЯ-1 [https://yadi.sk/i/JZnMUS3EvNQLz Что такое программирование. Парадигмы программирования. Стандартный инструментарий программиста. Особенности языка Python.] - 07.09.2016
* ЛЕКЦИЯ-2 [https://yadi.sk/i/HXnyJFavvNQMB Типы данных в программировании. Динамическая типизация. Простые типы данных языка Python. Условный оператор.] - 14.09.2016
* ЛЕКЦИЯ-3 [https://yadi.sk/i/D-0YNRRXwCTae Понятие алгоритма и вычислимой функции. Циклы.] - 28.09.2016
* ЛЕКЦИЯ-4 [https://yadi.sk/i/tqKlQlfXwCTap Последовательности: строки.] - 28.09.2016
* ЛЕКЦИЯ-5 [https://yadi.sk/i/UinvfEthwfhT7 Последовательности: списки и кортежи.] - 05.10.2016
* ЛЕКЦИЯ-6 [https://yadi.sk/i/gVifsNdNwz6qW Множества и словари.] - 12.10.2016
* ЛЕКЦИЯ-7 [https://yadi.sk/i/p-reRh-Vxvojm Функции. Рекурсия.] [https://yadi.sk/i/tPAfw27LyjwCw Файлы] - 19.10.2016
* ЛЕКЦИЯ-8 [https://yadi.sk/i/sO9Uy5Aryjw5v Алгоритмы сортировки] - 02.11.2016
* ЛЕКЦИЯ-9 [https://yadi.sk/i/rwgUG4b_zCXN7 Алгоритмы поиска.] - 09.11.2016
* ЛЕКЦИЯ-10 [https://yadi.sk/i/ORA1sC3OzCXNZ Структуры данных. Отображение абстрактных структур данных на структуры данных хранения. Стек, очередь, куча.] - 16.11.2016
* ЛЕКЦИЯ-11 [https://yadi.sk/i/LJ8XFEJpzf48S Структуры данных: графы.] - 23.11.2016
* ЛЕКЦИЯ-12 Библиотека NumPy. - 30.11.2016
* ЛЕКЦИЯ-13 Библиотеки Matplotlib, Seaborn. - 07.12.2016
* ЛЕКЦИЯ-14 Библиотека Pandas.- 14.12.2016
* Экзамен - 21.12.2016

===== Практические занятия =====
* ПЗ-1 Введение в программирование. - 07.09.2016
* ПЗ-2 Простые типы данных. Числа и операции над ними. Условный оператор. - 14.09.2016
* ПЗ-3 Циклы. - 21.09.2016
* ПЗ-4 Какие бывают строки. - 28.09.2016
* ПЗ-5 Списки и кортежи. - 05.10.2016
* ПЗ-6 Множества и словари. - 12.10.2016
* ПЗ-7 Функции. Рекурсия. - 19.10.2016
* ПЗ-8 Файлы. - 02.11.2016
* ПЗ-9 Контрольная работа по темам - 09.11.2016
* ПЗ-10 Алгоритмы. Сортировка и поиск. - 16.11.2016
* ПЗ-11 Структуры данных. - 23.11.2016
* ПЗ-12 Графы. - 30.11.2016
* ПЗ-13 Работа с библиотеками NumPy, Pandas, Matplotlib, Seaborn. - 07.12.2016
* ПЗ-14 Решение задач, выставление оценок - 14.12.2016
* Экзамен - 21.12.2016

===== Домашние задания: =====
[https://goo.gl/cvaekz Ссылка на список контестов домашних заданий и дедлайнов по ним]

Оценки за домашние задания и посещение семинаров (по группам)
# группа ИАД-1 - [https://goo.gl/xHd9Ny ссылка]
# группа ИАД-2 - [https://goo.gl/nOEqri ссылка]
# группа ИАД-3 - [https://goo.gl/sm1aue ссылка]
# группа ИАД-4 - [https://goo.gl/Tvh4eo ссылка]
# группа ИАД-5 - [https://goo.gl/dNBfk1 ссылка]
# группа ИАД-6 - [https://goo.gl/iifOWs ссылка]
# группа ИАД-7 - [https://goo.gl/oJJ8eU ссылка]
# группа ИАД-8 - [https://goo.gl/wLYidF ссылка]
# группа ИАД-9 - [https://goo.gl/CJphc8 ссылка]
# группа ИАД-10 - [https://goo.gl/OS5W2D ссылка]

==== Дополнительная информация ====
===== Полезные ссылки =====
Установщик интерпретатора Python3
* [https://www.python.org/ftp/python/3.5.2/python-3.5.2-amd64.exe Windows]
* [https://www.python.org/ftp/python/3.5.2/python-3.5.2-macosx10.6.pkg OSX]

Установщик интегрированной среды разработки IDE JetBrains PyCharm Community Edition
* [https://download.jetbrains.com/python/pycharm-community-2016.2.3.exe Windows]
* [https://download.jetbrains.com/python/pycharm-community-2016.2.3.dmg OSX]

===== Ссылки на информационную группу в Telegram (по группам): =====
# группа ИАД-4 - [https://telegram.me/joinchat/AAPyYUE1udTjDEWgS_xeaw ссылка]
# группа ИАД-8 - [https://telegram.me/joinchat/AAPyYUFQEHakTq8kaJI4hg ссылка]
# группа ИАД-10 - [https://telegram.me/joinchat/AAPyYT7Y6ZHAEhrFEj4zSA ссылка]

===== Ссылки на семинары (для групп ИАД-4, ИАД-8, ИАД-10): =====
* [https://yadi.sk/i/WIeZKOW8vUzhg Семинар 1]

Современные методы машинного обучения (курс майнора) ИАД2-6

2016-11-29T08:10:51Z

Ykashnitsky: /* Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6 */

__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] 

== 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

2016-11-29T08:10:21Z

Ykashnitsky: /* Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6 */

__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] 

== 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

2016-11-29T08:06:33Z

Ykashnitsky: /* Домашние Задания */

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

Семинарист: [[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] 

== 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

2016-11-29T08:05:43Z

Ykashnitsky: /* Домашние Задания */

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

Семинарист: [[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] 

== 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

2016-11-15T22:51:34Z

Ykashnitsky: /* Семинары */

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

Семинарист: [[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] 

== 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''

== 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

2016-11-15T22:51:19Z

Ykashnitsky: /* Семинары */

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

Семинарист: [[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 Начало] 

== 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''

== 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

2016-11-15T22:46:30Z

Ykashnitsky: /* Полезные ссылки (Будут пополняться) */

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

Семинарист: [[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]] 
== 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''

== 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

2016-11-15T22:45:31Z

Ykashnitsky: /* Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6 */

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

Семинарист: [[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]] 
== 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''

== Полезные ссылки (Будут пополняться) ==

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

'' 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]

Участник:Ykashnitsky

2016-11-06T10:38:30Z

Ykashnitsky: /* Кашницкий Юрий Савельевич */

== Кашницкий Юрий Савельевич ==
[[Файл:Ava.jpeg|мини]]
=== Образование ===
* Бакалавриат: Московский физико-технический институт, факультет: ФАЛТ, специальность «прикладная математика и физика», 2011
* Магистратура: Московский физико-технический институт, факультет: ФИВТ, специальность «прикладная математика и информатика», 2013
* Аспирантура: НИУ ВШЭ, факультет: Компьютерных Наук, 2016
=== Преподавание ===
* [http://electives.hse.ru/minor_intel/pre/ Введение в программирование] - 1 курс [http://electives.hse.ru/minor_intel/ майнора] "Интеллектуальный анализ данных"
* [http://electives.hse.ru/minor_intel/analysis/ Введение в анализ данных] - 2 курс [http://electives.hse.ru/minor_intel/ майнора] "Интеллектуальный анализ данных"
* [https://cs.hse.ru/dpo/datamining Машинное обучение и майнинг данных] - Дополнительное Профессиональное Образование НИУ ВШЭ
* [https://cs.hse.ru/dpo/bigml Практический анализ данных и машинное обучение] - Дополнительное Профессиональное Образование НИУ ВШЭ
* [http://dscourse.mlclass.ru/ MLClass] - язык программирования Python и введение в машинное обучение
* [http://bigdata.beeline.digital/ Школа Данных Билайн] - машинное обучение, анализ больших данных с Apache Spark
=== Контакты ===
* Профиль на [https://github.com/Yorko GitHub]
* Профиль на [http://habrahabr.ru/users/yorko/ Хабрахабре]
* Профиль на [https://www.linkedin.com/in/festline?trk=hp-identity-name Linkedin]
=== Интересное ===
* [https://habrahabr.ru/post/270449/ Статья] "Некоторые репозитории в помощь изучающим и преподающим Python и машинное обучение" на Хабрахабре
* [https://habrahabr.ru/post/248069/ Обзор] некоторых MOOC Coursera по компьютерным наукам
* [https://github.com/Yorko/python_intro Репозиторий] GitHub с тетрадками IPython по языку программирования Python
* [https://github.com/cs-hse/ML_DM_HSE_minor Репозиторий] GitHub ФКН НИУ ВШЭ с тетрадками IPython [http://electives.hse.ru/minor_intel/ майнора] "Интеллектуальный анализ данных"

Современные методы машинного обучения (курс майнора) ИАД2-6

2016-11-06T10:32:21Z

Ykashnitsky: /* Майнор по курсу "Современные методы машинного обучения" - 2016/2017 учебный год - ИАД-2 и ИАД-6 */

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

На данной странице будут вывешиваться последние новости и материалы для семинарских занятий групп ИАД-2 и ИАД-6

Семинарист: [[Участник:ykashnitsky | Кашницкий Юрий Савельевич]] (yury.kashnitsky@gmail.com)[mailto:yury.kashnitsky@gmail.com] 
В случае отправления писем или сообщений на другие email ящики (IM), ответ не гарантирован. Домашние задания отправленные на другие ящики не принимаются к проверке. 
При обращении по почте, начинайте тему письма со слов 
''[Майнор2016 ИАД2]'' для студентов из группы ИАД 2
''[Майнор2016 ИАД6]'' для студентов из группы ИАД 6

''' [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
Вопросы по курсу можно и нужно задавать на странице Q&A Piazza [http://piazza.com/hse.ru/fall2016/da3 здесь]. 
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]] 
== 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''

== Полезные ссылки (Будут пополняться) ==

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

'' 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]

Майнор Интеллектуальный анализ данных/Введение в анализ данных

2016-01-25T11:48:11Z

Ykashnitsky: /* Страницы семинаров */ ссылка на семинары ИАД-6

== О курсе ==
В рамках курса «Введение в анализ данных» студенты овладевают базовыми понятиями и методами машинного обучения, учатся применять их в задачах анализа данных, а также приобретают практические навыки специалиста по анализу данных (data scientist). Практические задания и итоговый проект выполняются с использованием языка Python и инструментов PyData (iPython Notebook, NumPy, Pandas, scikit-learn и др.). 

'''Читается:''' 3-4 модуль 2 курса, 2015/2016 учебный год. 
'''Пререквизиты:''' Введение в программирование 
'''Трудоемкость:''' 5 кредитов 

=== Продолжительность ===
'''Всего:''' 72 аудиторных часа: 
'''Из них:'''
* 36 часов лекций
* 36 часов практических занятий

=== Формы контроля ===
* проверочные работы на семинарах
* домашние задания
* проект по анализу данных
* экзамен

==Учебный процесс==

===Полезные ссылки===
Написать отзыв (анонимно): http://goo.gl/forms/RwdMxnChST 

'''Второй поток'''

Почта потока (для домашних заданий и вопросов): [mailto:hse.minor.dm@gmail.com hse.minor.dm@gmail.com]

Почта лектора: [mailto:sokolov.evg@gmail.com sokolov.evg@gmail.com]

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?usp=sharing Таблица с оценками]

Подписаться на рассылку (информация об отменах и переносах занятий): напишите пустое письмо на [mailto:hse-minor-datamining-2+subscribe@googlegroups.com hse-minor-datamining-2+subscribe@googlegroups.com]

===Расписание лекций===

Все занятия проходят по вторникам на ул. Шаболовка, 26.

{| class="wikitable"
|-
! Пара !! Группы !! Преподаватель
|-
| 2, 10.30-11.50 || Второй поток, ИАД-11 – ИАД-20 (К-9) || Соколов Евгений Андреевич
|-
| 3, 12.10-13.30 || Первый поток, ИАД-1 – ИАД-10 (К-9) || Игнатов Дмитрий Игоревич
|}

===Расписание семинаров===

Все занятия проходят по вторникам на ул. Шаболовка, 26.

{| class="wikitable"
|-
! Пара !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель
|-
| 1, 09.00-10.20 || ИАД-8 (ауд.4335) || Панов || ИАД-11 (ауд.3214) || Козлова || ИАД-13 (ауд.4336) || Ромов || ИАД-18 (ауд.4427) || Гитман, Рысьмятова || ИАД-19 (ауд.4428) || Квасов, Полякова
|-
| 1, 09.00-10.20 || ИАД-20 (ауд.3203) || Струминский || || || || || || || ||
|-
| 2, 10.30-10.50 || ИАД-4 (ауд.4336) || Умнов || ИАД-8 (ауд.4335) || Панов || ИАД-9 (ауд.4427) || Папулин || ИАД-10 (ауд.4428) || Зиннурова || ||
|-
| 3, 12.10-13.30 || ИАД-12 (ауд.3214) || Козлова || ИАД-14 (ауд.4427) || Папулин || ИАД-15 (ауд.4428) || Зиннурова || ИАД-16 (ауд.3203) || Даулбаев, Чиркова || ИАД-17 (ауд.4335) || Гитман, Захаров
|-
| 4, 13.40-15.00 || ИАД-2 (ауд.4427) || Папулин || ИАД-3 (ауд.4428) || Шестаков || ИАД-5 (ауд.3203) || Паринов || ИАД-6 (ауд.3214) || Кашницкий || ИАД-7 (ауд.4336) || Умнов
|-
| 5, 15.10-16.30 || ИАД-1 (ауд.4427) || Папулин || ИАД-6 (ауд.3214) || Кашницкий || || || || || ||
|}

===Программа лекций===

Лекция 1 (12.01.2016). Введение в машинное обучение и анализ данных. [[https://db.tt/c9XsAVym Слайды, 1 поток]] [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture01-intro.pdf Слайды, 2 поток]]

Лекция 2 (19.01.2016). Постановки задач в машинном обучении. Примеры прикладных задач. [Слайды, 1 поток] [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture02-intro.pdf Слайды, 2 поток]]

Лекция 3. Линейная алгебра и анализ данных.

Лекция 4. Математический анализ и анализ данных.

Лекция 5. Теория вероятностей и анализ данных.

Лекция 6. Математическая статистика и анализ данных.

Лекция 7. Линейная регрессия.

Лекция 8. Линейная классификация.

Лекция 9. Метрики качества алгоритмов.

Лекция 10. Оценивание качества алгоритмов.

Лекция 11. Логические методы и их интерпретируемость.

Лекция 12. Построение деревьев решений.

Лекция 13. Введение в композиции алгоритмов. Случайные леса.

Лекция 14. Особенности реальных данных.

Лекция 15. Анализ частых множеств признаков и ассоциативных правил.

Лекция 16. Задача кластеризации.

Лекция 17. Заключительная лекция.

===Страницы семинаров===
* ИАД-1, Папулин С.Ю.
* ИАД-2, Папулин С.Ю.
* [[Minor_da2016_gr3|ИАД-3, Шестаков А.]]
* [[Майнор_Анализ_Данных_ИАД-4_ИАД-7|ИАД-4, Умнов А.В.]]
* ИАД-5, Паринов А.С.
* [[Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-6|ИАД-6, Кашницкий Ю.С.]]
* [[Майнор_Анализ_Данных_ИАД-4_ИАД-7|ИАД-7, Умнов А.В.]]
* ИАД-8, Панов А.И.
* ИАД-9, Папулин С.Ю.
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-10|ИАД-10, Зиннурова Э.А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-11,12|ИАД-11, Козлова А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-11,12|ИАД-12, Козлова А.]]
* ИАД-13, Ромов П.А.
* ИАД-14, Папулин С.Ю.
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-15|ИАД-15, Зиннурова Э.А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-16|ИАД-16, Даулбаев Т., Чиркова Н.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-17|ИАД-17, Гитман И., Захаров Е.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-18|ИАД-18, Гитман И., Рысьмятова А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-19|ИАД-19, Квасов А., Полякова Н.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-20|ИАД-20, Струминский К.]]

==Полезные материалы==
===Курсы по машинному обучению и анализу данных===
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
* [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]

===Статьи===
* [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]
* [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]

===Книги===
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.
* James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.

[[Category:Майнор "Интеллектуальный анализ данных"]]

Майнор Интеллектуальный анализ данных/Введение в анализ данных/ИАД-6

2016-01-25T11:44:20Z

Ykashnitsky: Новая страница: «== Майнор "Интеллектуальный анализ данных". Группа 6.== На этой странице почти ничего не буд…»

== Майнор "Интеллектуальный анализ данных". Группа 6.==
На этой странице почти ничего не будет происходить.

Все обсуждение - в [https://piazza.com/class/ijsazzcs4of1ns форуме] Piazza 6 группы.

Материалы (тетрадки IPython) - в [https://cloud.sagemath.com/projects/628edc38-bea2-46f3-94f3-a84c2da156f7 проекте] Sage.

[https://inclass.kaggle.com/c/hse-minor-20152 Соревнование] Kaggle Inclass по предсказанию размера выплат страховой компании.

[https://github.com/cs-hse/python4da_intro Репозиторий] GitHub ФКН с материалами (тетрадками IPython) майнора.

Майнор Интеллектуальный анализ данных/Введение в анализ данных

2016-01-25T11:36:47Z

Ykashnitsky: добавлена ссылка на страницу семинариста Ю. Кашницкого

== О курсе ==
В рамках курса «Введение в анализ данных» студенты овладевают базовыми понятиями и методами машинного обучения, учатся применять их в задачах анализа данных, а также приобретают практические навыки специалиста по анализу данных (data scientist). Практические задания и итоговый проект выполняются с использованием языка Python и инструментов PyData (iPython Notebook, NumPy, Pandas, scikit-learn и др.). 

'''Читается:''' 3-4 модуль 2 курса, 2015/2016 учебный год. 
'''Пререквизиты:''' Введение в программирование 
'''Трудоемкость:''' 5 кредитов 

=== Продолжительность ===
'''Всего:''' 72 аудиторных часа: 
'''Из них:'''
* 36 часов лекций
* 36 часов практических занятий

=== Формы контроля ===
* проверочные работы на семинарах
* домашние задания
* проект по анализу данных
* экзамен

==Учебный процесс==

===Полезные ссылки===
Написать отзыв (анонимно): http://goo.gl/forms/RwdMxnChST 

'''Второй поток'''

Почта потока (для домашних заданий и вопросов): [mailto:hse.minor.dm@gmail.com hse.minor.dm@gmail.com]

Почта лектора: [mailto:sokolov.evg@gmail.com sokolov.evg@gmail.com]

[https://docs.google.com/spreadsheets/d/1jZL_-ELf0Ogj2XHa6VVbkg8vrInycv2-Z9UR5keLDfM/edit?usp=sharing Таблица с оценками]

Подписаться на рассылку (информация об отменах и переносах занятий): напишите пустое письмо на [mailto:hse-minor-datamining-2+subscribe@googlegroups.com hse-minor-datamining-2+subscribe@googlegroups.com]

===Расписание лекций===

Все занятия проходят по вторникам на ул. Шаболовка, 26.

{| class="wikitable"
|-
! Пара !! Группы !! Преподаватель
|-
| 2, 10.30-11.50 || Второй поток, ИАД-11 – ИАД-20 (К-9) || Соколов Евгений Андреевич
|-
| 3, 12.10-13.30 || Первый поток, ИАД-1 – ИАД-10 (К-9) || Игнатов Дмитрий Игоревич
|}

===Расписание семинаров===

Все занятия проходят по вторникам на ул. Шаболовка, 26.

{| class="wikitable"
|-
! Пара !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель !! Группа !! Преподаватель
|-
| 1, 09.00-10.20 || ИАД-8 (ауд.4335) || Панов || ИАД-11 (ауд.3214) || Козлова || ИАД-13 (ауд.4336) || Ромов || ИАД-18 (ауд.4427) || Гитман, Рысьмятова || ИАД-19 (ауд.4428) || Квасов, Полякова
|-
| 1, 09.00-10.20 || ИАД-20 (ауд.3203) || Струминский || || || || || || || ||
|-
| 2, 10.30-10.50 || ИАД-4 (ауд.4336) || Умнов || ИАД-8 (ауд.4335) || Панов || ИАД-9 (ауд.4427) || Папулин || ИАД-10 (ауд.4428) || Зиннурова || ||
|-
| 3, 12.10-13.30 || ИАД-12 (ауд.3214) || Козлова || ИАД-14 (ауд.4427) || Папулин || ИАД-15 (ауд.4428) || Зиннурова || ИАД-16 (ауд.3203) || Даулбаев, Чиркова || ИАД-17 (ауд.4335) || Гитман, Захаров
|-
| 4, 13.40-15.00 || ИАД-2 (ауд.4427) || Папулин || ИАД-3 (ауд.4428) || Шестаков || ИАД-5 (ауд.3203) || Паринов || ИАД-6 (ауд.3214) || Кашницкий || ИАД-7 (ауд.4336) || Умнов
|-
| 5, 15.10-16.30 || ИАД-1 (ауд.4427) || Папулин || ИАД-6 (ауд.3214) || Кашницкий || || || || || ||
|}

===Программа лекций===

Лекция 1 (12.01.2016). Введение в машинное обучение и анализ данных. [[https://db.tt/c9XsAVym Слайды, 1 поток]] [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture01-intro.pdf Слайды, 2 поток]]

Лекция 2 (19.01.2016). Постановки задач в машинном обучении. Примеры прикладных задач. [Слайды, 1 поток] [[https://github.com/esokolov/ml-minor-hse/blob/master/lectures/lecture02-intro.pdf Слайды, 2 поток]]

Лекция 3. Линейная алгебра и анализ данных.

Лекция 4. Математический анализ и анализ данных.

Лекция 5. Теория вероятностей и анализ данных.

Лекция 6. Математическая статистика и анализ данных.

Лекция 7. Линейная регрессия.

Лекция 8. Линейная классификация.

Лекция 9. Метрики качества алгоритмов.

Лекция 10. Оценивание качества алгоритмов.

Лекция 11. Логические методы и их интерпретируемость.

Лекция 12. Построение деревьев решений.

Лекция 13. Введение в композиции алгоритмов. Случайные леса.

Лекция 14. Особенности реальных данных.

Лекция 15. Анализ частых множеств признаков и ассоциативных правил.

Лекция 16. Задача кластеризации.

Лекция 17. Заключительная лекция.

===Страницы семинаров===
* ИАД-1, Папулин С.Ю.
* ИАД-2, Папулин С.Ю.
* [[Minor_da2016_gr3|ИАД-3, Шестаков А.]]
* [[Майнор_Анализ_Данных_ИАД-4_ИАД-7|ИАД-4, Умнов А.В.]]
* ИАД-5, Паринов А.С.
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-6|ИАД-6, Кашницкий Ю.С.]]
* [[Майнор_Анализ_Данных_ИАД-4_ИАД-7|ИАД-7, Умнов А.В.]]
* ИАД-8, Панов А.И.
* ИАД-9, Папулин С.Ю.
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-10|ИАД-10, Зиннурова Э.А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-11,12|ИАД-11, Козлова А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-11,12|ИАД-12, Козлова А.]]
* ИАД-13, Ромов П.А.
* ИАД-14, Папулин С.Ю.
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-15|ИАД-15, Зиннурова Э.А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-16|ИАД-16, Даулбаев Т., Чиркова Н.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-17|ИАД-17, Гитман И., Захаров Е.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-18|ИАД-18, Гитман И., Рысьмятова А.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-19|ИАД-19, Квасов А., Полякова Н.]]
* [[Майнор_Интеллектуальный_анализ_данных/Введение_в_анализ_данных/ИАД-20|ИАД-20, Струминский К.]]

==Полезные материалы==
===Курсы по машинному обучению и анализу данных===
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]
* [https://www.coursera.org/learn/machine-learning Coursera: Machine Learning, Andrew Ng]

===Статьи===
* [http://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples]
* [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ A Visual Introduction to Machine Learning]

===Книги===
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Boris Mirkin. Core Concepts in Data Analysis: Summarization, Correlation, Visualization. 2010.
* James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning. 2013.

[[Category:Майнор "Интеллектуальный анализ данных"]]

Участник:Ykashnitsky

2016-01-25T11:32:06Z

Ykashnitsky: добавлен курс "Введение в анализ данных" и раздел "Интересное", фото

== Кашницкий Юрий Савельевич ==
[[Файл:Ava.jpeg|мини]]
=== Образование ===
* Бакалавриат: Московский физико-технический институт, факультет: ФАЛТ, специальность «прикладная математика и физика», 2011
* Магистратура: Московский физико-технический институт, факультет: ФИВТ, специальность «прикладная математика и информатика», 2013
* Аспирантура: НИУ ВШЭ, факультет: Компьютерных Наук (2013 - н.в.)
=== Преподавание ===
* [http://electives.hse.ru/minor_intel/pre/ Введение в программирование] - 1 курс [http://electives.hse.ru/minor_intel/ майнора] "Интеллектуальный анализ данных"
* [http://electives.hse.ru/minor_intel/analysis/ Введение в анализ данных] - 2 курс [http://electives.hse.ru/minor_intel/ майнора] "Интеллектуальный анализ данных"
* [https://cs.hse.ru/dpo/datamining Машинное обучение и майнинг данных] - Дополнительное Профессиональное Образование НИУ ВШЭ
* [http://dscourse.mlclass.ru/ MLClass] - язык программирования Python и введение в машинное обучение
* [http://bigdata.beeline.digital/ Школа Данных Билайн] - машинное обучение, анализ больших данных с Apache Spark
=== Контакты ===
* Профиль на [https://github.com/Yorko GitHub]
* Профиль на [http://habrahabr.ru/users/yorko/ Хабрахабре]
* Профиль на [https://www.linkedin.com/in/festline?trk=hp-identity-name Linkedin]
=== Интересное ===
* [https://habrahabr.ru/post/270449/ Статья] "Некоторые репозитории в помощь изучающим и преподающим Python и машинное обучение" на Хабрахабре
* [https://habrahabr.ru/post/248069/ Обзор] некоторых MOOC Coursera по компьютерным наукам
* [https://github.com/Yorko/python_intro Репозиторий] GitHub с тетрадками IPython по языку программирования Python
* [https://github.com/cs-hse/python4da_intro Репозиторий] GitHub ФКН НИУ ВШЭ с тетрадками IPython [http://electives.hse.ru/minor_intel/ майнора] "Интеллектуальный анализ данных"

Файл:Ava.jpeg

2016-01-25T11:31:05Z

Ykashnitsky: Юрий Кашницкий

Юрий Кашницкий

Участник:Ykashnitsky

2016-01-25T11:23:34Z

Ykashnitsky: Новая страница: «== Кашницкий Юрий Савельевич == === Образование === * Бакалавриат: Московский физико-техничес…»

== Кашницкий Юрий Савельевич ==
=== Образование ===
* Бакалавриат: Московский физико-технический институт, факультет: ФАЛТ, специальность «прикладная математика и физика», 2011
* Магистратура: Московский физико-технический институт, факультет: ФИВТ, специальность «прикладная математика и информатика», 2013
* Аспирантура: НИУ ВШЭ, факультет: Компьютерных Наук (2013 - н.в.)
=== Преподавание ===
* [http://electives.hse.ru/minor_intel/pre/ Введение в программирование] - 1 курс [http://electives.hse.ru/minor_intel/ майнора] "Интеллектуальный анализ данных"
* [https://cs.hse.ru/dpo/datamining Машинное обучение и майнинг данных] - Дополнительное Профессиональное Образование НИУ ВШЭ
* [http://dscourse.mlclass.ru/ MLClass] - язык программирования Python и введение в машинное обучение
* [http://bigdata.beeline.digital/ Школа Данных Билайн] - машинное обучение, анализ больших данных с Apache Spark
=== Контакты ===
* Профиль на [https://github.com/Yorko GitHub]
* Профиль на [http://habrahabr.ru/users/yorko/ Хабрахабре]
* Профиль на [https://www.linkedin.com/in/festline?trk=hp-identity-name Linkedin]