Просмотр кода страницы МОВС Машинное обучение 2022-23

==О курсе==

Занятия проводятся в [https://us06web.zoom.us/j/86502134639?pwd=bDBjU2ljclg2MWVGTU9BTzA4dnhyUT09 Zoom] '''по пятницам в 18:00'''

Онлайн-курс в дополнение к парам: [[ online-course link]]

==Контакты==

Канал курса в TG: [[https://t.me/+oLX_01G35n5mZTcy channel link]]

Чат курса в TG: [[https://t.me/+8MsqL4Qq7NhkNmI6 chat link]]

Преподаватели: Кантонистова Елена Олеговна, Максимовская Анастасия Максимовна 

{| class="wikitable"
|-
! Ассистент !! Контакты 
|-
| style="background:#eaecf0;" | Савелий || [https://t.me/Savely_Prokhorov @Savely_Prokhorov] 
|-
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: [https://www.youtube.com/playlist?list=PLmA-1xX7IuzDYv6ZLvAbW7oJPh2kRbm50 YouTube-playlist]

Ссылка на GitHub с материалами курса: [[ GitHub repository]]

{| class="wikitable"
|-
 ! Занятие !! Тема !! Дата !! Материалы для самоподготовки к семинарам !! Дополнительные материалы
|-
| style="background:#eaecf0;" | '''1''', [[ Запись]] ||  
''Линейные методы регрессии:''

Нормализация данных, feature engineering, метрики качества регрессии. Методы оценивания обобщающей способности моделей, кросс-валидация 
|| 04.11.22 || 

|| 
|-
| style="background:#eaecf0;" | '''2''', [[ Запись]] || 
''Линейные методы классификации:''

Логистическая регрессия, калибровка вероятностей, метрики качества классификация 
|| 11.11.22 || 

|| 
|-
| style="background:#eaecf0;" | '''3''', [[ Запись]] || 
''Линейные методы классификации - 2:''

SVM, SVM-kernels, многоклассовая и multilabel-классификации
|| 18.11.22 || 

||
|-
| style="background:#eaecf0;" | '''4''', [[ Запись]] || 
''Метрические классификаторы:''

kNN, naive Bayes classifier, быстрый поиск ближайших соседей
|| 25.11.22 ||

|| 
|-
| style="background:#eaecf0;" | '''5''', [[ Запись]] || 
''Обработка признаков и работа с выбросами:''

Способы работы с пропущенными значениями, поиск аномалий, кодирование категориальных признаков (счётчики) 
|| 02.12.22 ||

|| 
|-
| style="background:#eaecf0;" | '''6''', [[ Запись]] || 
''Снижение размерности данных:''

Методы отбора признаков, расширения SVD, MDS, t-SNE
|| 09.12.22 ||

|| 
|-
| style="background:#eaecf0;" | '''7''', [[ Запись]] || 
''Решающие деревья и их композиции:''

Алгоритм построения дерева, критерии информативности (регрессия и классификация), обработка пропусков для деревьев, стрижка и регуляризация 
|| 16.12.22 || 

|| 
|-
| style="background:#eaecf0;" | '''8''', [[ Запись]] || 
''Решающие деревья и их композиции - 2:'' 

Разложение ошибки на шум, смещение и разброс; бэггинг; случайный лес
||  || 

|| 
|-
| style="background:#eaecf0;" | '''9''', [[ Запись]] || 
''Решающие деревья и их композиции - 3:'' 

Бустинг, градиентный бустинг над решающими деревьями, различные интерпретации GB; прочие подходы к ансамблированию 
||  || 

||
|-
| Конец первого модуля курса |
|-
| style="background:#eaecf0;" | '''10''' || [[ Запись]] || ...<date>... || || 
|-
| style="background:#eaecf0;" | '''11''' || [[ Запись]] || ...<date>... || || 
|-
| style="background:#eaecf0;" | '''12''' || [[ Запись]] || ...<date>... || || 
|-
| style="background:#eaecf0;" | '''13''' || [[ Запись]] || ...<date>... || || 
|-
| style="background:#eaecf0;" | '''14''' || [[ Запись]] || ...<date>... || || 
|-
| style="background:#eaecf0;" | '''15''' || [[ Запись]] || ...<date>... || || 
|-
| style="background:#eaecf0;" | '''16''' || [[ Запись]] || ...<date>... || || 
|-
| style="background:#eaecf0;" | '''17''' || [[ Запись]] || ...<date>... || || 
|-
| style="background:#eaecf0;" | '''18''' || [[ Запись]] || ...<date>... || || 
|-
|}

=== Записи консультаций ===

==Формула оценивания==
Оценка = 0 * О<sub>Тренировочные тесты</sub> + 0.075 * О<sub>Промежуточные тесты</sub> + 0.075 * О <sub>Взаимопроверка</sub> + 0.1 * О<sub>Коллоквиум</sub> + 0.15 * О<sub>Экзамен</sub> + 0.6 * О<sub>ДЗ</sub>

'''Автоматы:''' Если накопленная оценка больше или равна 8, то она по желанию студента ставится в качестве итоговой оценки. Для получения автомата также необходимо получить за коллоквиум не менее 6 баллов.

== Домашние задания ==
* LinReg + OOP
* LinearClassification + SQL
* Сравнение деревянных моделей + inference


* Снижение размерности и визуализация
* Кластеризация
* Большая практическая работа // Kaggle // работа с текстами средствами ML-моделей (?) // RecSys (ML)

== Литература ==
* Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009
* Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.