Akarpova1: /* Формула оценивания */

2026-09-16T11:55:19Z

Формула оценивания

← Предыдущая версия		Версия от 11:55, 16 сентября 2026
Строка 43:		Строка 43:
	Округляются только итоговые оценки; округление арифметическое.		Округляются только итоговые оценки; округление арифметическое.

	'''О<sub>ИТОГ</sub> = 0.3* О<sub>ДЗ</sub> + 0.2О<sub>ПР</sub> + 0.2О<sub>КР</sub> + 0.3*О<sub>ЭКЗ</sub>),'''<br/>		'''О<sub>ИТОГ</sub> = (0.3* О<sub>ДЗ</sub> + 0.2О<sub>ПР</sub> + 0.2О<sub>КР</sub> + 0.3*О<sub>ЭКЗ</sub>),'''<br/>
	где:		где:
	* ДЗ — практические домашние задания на Python,		* ДЗ — практические домашние задания на Python,

Akarpova1: Новая страница: «== О курсе == left Курс читается для студентов программы программы ИИ360 2-го курса ПМИ. '''Лектор:''' [https://t.me/madn_boi Морозов Никита Витальевич] == Полезные ссылки: == * [https://github.com/esokolov/ml-course-hse/tree/master/ml1-2026-fall Репозиторий с материалами на G...»

2026-09-16T11:50:44Z

Новая страница: «== О курсе == 280px|borderless|left Курс читается для студентов программы программы ИИ360 2-го курса ПМИ. '''Лектор:''' [https://t.me/madn_boi Морозов Никита Витальевич] == Полезные ссылки: == * [https://github.com/esokolov/ml-course-hse/tree/master/ml1-2026-fall Репозиторий с материалами на G...»

Новая страница

== О курсе ==

[[Файл:ML_surfaces.png|280px|borderless|left]]

Курс читается для студентов программы программы ИИ360 2-го курса ПМИ.

'''Лектор:''' [https://t.me/madn_boi Морозов Никита Витальевич]

== Полезные ссылки: ==

* [https://github.com/esokolov/ml-course-hse/tree/master/ml1-2026-fall Репозиторий с материалами на Github]

* [https://t.me/+R5XEbYU55-BhMjMy Канал курса]

* [https://t.me/+aJe1VGMEyhEzN2Ni Чат курса]

* Ссылка на курс в Anytask

==== Видеозаписи лекций: ====

* [Будут позже:)]

==== Ведомости ====

[https://docs.google.com/spreadsheets/d/1d1Mh_GrWr2d6nEhh4IDwO4Fw2OpcPMwsY0hDdX0liUI/edit?gid=1951601208#gid=1951601208 Сводная таблица с дз и итогами]

== Преподаватели и ассистенты: ==

* Семинарист: [https://t.me/Im_fast_as_blitz Черномордин Родион Романович]

* Ассистенты курса: [https://t.me/KarAnny Карпова Анна], [https://t.me/uchenlk Засимук Даниил]

== Формула оценивания ==

Округляются только итоговые оценки; округление арифметическое.

'''ОИТОГ = 0.3* ОДЗ + 0.2*ОПР + 0.2*ОКР + 0.3*ОЭКЗ),''' 
где:
* ДЗ — практические домашние задания на Python,
* ПР - проверочные работы на семинарах,
* КР - контрольная работа,
* ЭКЗ - экзамен

На курсе действует система получения автоматов: в случае получения автомата оценка студента рассчитывается по формуле:

'''ОИТОГ = (0.3* ОДЗ + 0.2*ОПР + 0.2*ОКР) / 0.7''' 

Условия получения автомата будут объявлены позже.

= Элементы контроля =

== Домашние задания: ==

=== Правила сдачи заданий ===

* За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются.

* При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Также мы в любом случае оставляем за собой право пригласить студента для защиты своего ДЗ, если заподозрим плагиат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

Использовать генеративные модели (ChatGPT, GitHub Copilot и прочие) можно при вознекновении затруднений с выполнением отдельных частей домашей работы. Но если вы их применяете, то обязательно нужно сделать следующее:

1. Указывать, какие части ДЗ выполнены с использованием генеративных моделей.

2. Добавить в конец вашего решения небольшой раздел с рефлексией, где вы описываете, как подбирали промпты, какие заметили преимущества и недостатки генеративных моделей при выполнении данного ДЗ.

''' Но:''' Даже при использовании генеративных моделей студент должен полностью разбираться в сдаваемых задачах.

== Проверочные работы: ==
Раз в несколько недель на семинаре будет проводиться проверочная работа по материалам нескольких прошедших тем.

== Важная информация: ==
Преподаватели и ассистенты могут вызвать студента на защиту домашней, проверочной или контрольной работы. Если на защите студент не сможет дать пояснения по своим решениям, это будет расцениваться как дисциплинарное нарушение и оценка за соответствующий элемент контроля будет равна 0. После защиты преподаватели и ассистенты оставляют за собой право изменить оценку в любую сторону.

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

= Полезные материалы =
===Книги===
* [https://academy.yandex.ru/handbook/ml Учебник по машинному обучению от ШАД]
* 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.
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.

===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-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]
* [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://openedu.ru/course/hse/INTRML/ Введение в машинное обучение (онлайн-курс НИУ ВШЭ)]

== Страницы предыдущих лет ==
[[Машинное_обучение_1 | 2024/2025 учебный год]]

[[Машинное_обучение_1/2023_2024 | 2023/2024 учебный год]]

[[Машинное_обучение_1/2022_2023 | 2022/2023 учебный год]]

[[Машинное_обучение_1/2021_2022 | 2021/2022 учебный год]]

[[Машинное_обучение_1/2020_2021 | 2020/2021 учебный год]]

[[Машинное_обучение_1/2019_2020 | 2019/2020 учебный год]]

[[Машинное_обучение_1/2018_2019 | 2018/2019 учебный год]]

[[Машинное_обучение_1/2017_2018 | 2017/2018 учебный год]]

[[Машинное_обучение_1/2016_2017 | 2016/2017 учебный год]]

Машинное обучение 1 (ИИ360) - История изменений

Akarpova1: /* Формула оценивания */