2018-11-07T19:56:00Z

Zimovnov: /* Домашние задания */

== 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.
* Проверочные работы на семинарах.
* Письменная контрольная.
* Экзамен.

Оценка вычисляется по следующим формулам:

ИТОГ = 0.7 * НАКОПЛЕННАЯ + 0.3 * ЭКЗАМЕН

НАКОПЛЕННАЯ = 0.1 * ПРОВЕРОЧНЫЕ + 0.7 * ДЗ + 0.2 * КОНТРОЛЬНАЯ

На усмотрение семинариста и лектора могут выставляться автоматы.

[? Таблица с оценками]

=== Обратная связь ===

По срочным вопросам можно писать напрямую в телеграме: https://t.me/ZEMUSHKA

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

По этой ссылке можно оставить анонимный отзыв или предложение для курса: https://goo.gl/forms/mhZxfEXinxJ27Bm02

Канал в Телеграме с важными объявлениями: https://t.me/mml_2018

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

=== Семинарские группы ===

[? Списки групп]

== Учебный процесс ==

=== Лекции ===

==== 1 модуль ====

Лекция 1 (20 сентября). Методы оптимизации. [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture1.pdf Слайды.]

Лекция 2 (27 сентября). Градиентный бустинг. [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture2.pdf Слайды.] '''(обновлены 29 сентября)'''

Лекция 3 (4 октября). Нейросети: MLP [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture3.pdf Слайды.]

Лекция 4 (11 октября). Нейросети: CNN [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture4.pdf Слайды.]

Лекция 5 (18 октября). Нейросети: трюки [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture5.pdf Слайды.] '''(обновлены 28 октября)'''

==== 2 модуль ====

Лекция 1 (1 ноября). Нейросети: RNN [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture6.pdf Слайды.] '''(обновлены 4 ноября)'''

Лекция 2 (8 ноября). Нейросети: другие CNN задачи, transfer learning и автокодировщики

Лекция 3 (15 ноября). Нейросети: другие RNN задачи, encoder-decoder, image-captioning

Лекция 4 (22 ноября). Контрольная

Лекция 5 (29 ноября). Прикладная статистика: проверка гипотез, ...

Лекция 6 (6 декабря). Прогнозирование временных рядов: ARIMA

Лекция 7 (13 декабря). Консультация перед экзаменом

=== Коллоквиум ===

Программа коллоквиума: ?

Распределение вопросов: ?

Коллоквиум (письменный) пройдет ? в лекционной аудитории.

[? Оценки за коллоквиум.]

=== Домашние задания ===
Штраф за каждый день просрочки - 1 (из 10) балл.

'''ДЗ 1''': https://docs.google.com/document/d/1UgDvwvwtaPqtZPO1VLz67GVz8ho2rsVFbOZRMQzKp6Y/edit?usp=sharing
'''Ноутбук ДЗ1''': https://colab.research.google.com/github/ZEMUSHKA/mml-minor/blob/master/hw/minor_hw_1.ipynb

=== Страницы групп ===

?

=== Экзамен ===

Экзамен (письменный) пройдет ?.

Программа экзамена:
https://docs.google.com/document/d/121eSSLYoZDTPzNxmJL5TBP1RmgGrlS7FufQOzdPTmjg/edit?usp=sharing

== 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]

=== Материалы прошлых лет ===
[http://wiki.cs.hse.ru/index.php?title=Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страничка 2017/2018]

Современные методы машинного обучения (курс майнора) 2018/2019

2018-11-04T15:44:08Z

Zimovnov: /* Лекции */

== 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.
* Проверочные работы на семинарах.
* Письменная контрольная.
* Экзамен.

Оценка вычисляется по следующим формулам:

ИТОГ = 0.7 * НАКОПЛЕННАЯ + 0.3 * ЭКЗАМЕН

НАКОПЛЕННАЯ = 0.1 * ПРОВЕРОЧНЫЕ + 0.7 * ДЗ + 0.2 * КОНТРОЛЬНАЯ

На усмотрение семинариста и лектора могут выставляться автоматы.

[? Таблица с оценками]

=== Обратная связь ===

По срочным вопросам можно писать напрямую в телеграме: https://t.me/ZEMUSHKA

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

По этой ссылке можно оставить анонимный отзыв или предложение для курса: https://goo.gl/forms/mhZxfEXinxJ27Bm02

Канал в Телеграме с важными объявлениями: https://t.me/mml_2018

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

=== Семинарские группы ===

[? Списки групп]

== Учебный процесс ==

=== Лекции ===

==== 1 модуль ====

Лекция 1 (20 сентября). Методы оптимизации. [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture1.pdf Слайды.]

Лекция 2 (27 сентября). Градиентный бустинг. [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture2.pdf Слайды.] '''(обновлены 29 сентября)'''

Лекция 3 (4 октября). Нейросети: MLP [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture3.pdf Слайды.]

Лекция 4 (11 октября). Нейросети: CNN [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture4.pdf Слайды.]

Лекция 5 (18 октября). Нейросети: трюки [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture5.pdf Слайды.] '''(обновлены 28 октября)'''

==== 2 модуль ====

Лекция 1 (1 ноября). Нейросети: RNN [https://github.com/ZEMUSHKA/mml-minor/blob/master/lectures/lecture6.pdf Слайды.] '''(обновлены 4 ноября)'''

Лекция 2 (8 ноября). Нейросети: другие CNN задачи, transfer learning и автокодировщики

Лекция 3 (15 ноября). Нейросети: другие RNN задачи, encoder-decoder, image-captioning

Лекция 4 (22 ноября). Контрольная

Лекция 5 (29 ноября). Прикладная статистика: проверка гипотез, ...

Лекция 6 (6 декабря). Прогнозирование временных рядов: ARIMA

Лекция 7 (13 декабря). Консультация перед экзаменом

=== Коллоквиум ===

Программа коллоквиума: ?

Распределение вопросов: ?

Коллоквиум (письменный) пройдет ? в лекционной аудитории.

[? Оценки за коллоквиум.]

=== Домашние задания ===
Штраф за каждый день просрочки - 1 (из 10) балл.

'''ДЗ 1''': https://docs.google.com/document/d/1UgDvwvwtaPqtZPO1VLz67GVz8ho2rsVFbOZRMQzKp6Y/edit?usp=sharing

=== Страницы групп ===

?

=== Экзамен ===

Экзамен (письменный) пройдет ?.

Программа экзамена:
https://docs.google.com/document/d/121eSSLYoZDTPzNxmJL5TBP1RmgGrlS7FufQOzdPTmjg/edit?usp=sharing

== 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]

=== Материалы прошлых лет ===
[http://wiki.cs.hse.ru/index.php?title=Современные_методы_машинного_обучения_(курс_майнора)_2017/2018 Страничка 2017/2018]