Введение в статистику и машинное обучение: различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к навигации Перейти к поиску
← Предыдущая правка
Нет описания правки
Нет описания правки
 
(не показано 14 промежуточных версий этого же участника)
Строка 2: Строка 2:
Курс читается для студентов 1-го курса ПМИ (ИИ360) во 2 модуле.
Курс читается для студентов 1-го курса ПМИ (ИИ360) во 2 модуле.


Лектор - Алексей Зайцев, Руководитель внешних академических исследований в блоке риски «Сбера»
'''Лектор''': Алексей Зайцев, Руководитель внешних академических исследований в блоке риски «Сбера»
 
'''Распределение часов по курсу:''' 28 часов в 2 модуле (14 часов лекций, 14 часов семинаров)
 
'''Цель курса''' «Введение в статистику и машинное обучение» — познакомить учащихся с основными методами статистики и машинного обучения, а также с ключевыми библиотеками Python (NumPy, Pandas, Matplotlib) для анализа данных. Программа охватывает теорию вероятностей, оценивание параметров, линейные и логистические модели, основы нейронных сетей и архитектуру Трансформер. Факультатив поможет подготовиться к исследовательским проектам и обязательным курсам по ML на втором курсе.
 
'''Задачи дисциплины:'''
* Погружение в основные библиотеки Python для работы с данными и построения визуализаций (NumPy, Pandas, Matplotlib);
* Применение теории вероятностей и статистических методов для анализа и интерпретации данных;
* Решение оптимизационных задач, характерных для машинного обучения, с использованием методов градиентного спуска;
* Применение линейных и логистических моделей для анализа и обработки данных в реальных задачах;
* Разработка и настройка нейронных сетей для анализа сложных данных, включая использование сверточных сетей, методов регуляризации и dropout;
* Реализация моделей на основе архитектуры Трансформеров с применением механизмов внимания.
 
Оценивание включает домашние задания, midterm-экзамен и устный финальный экзамен.


=== Полезные ссылки ===
=== Полезные ссылки ===
Строка 11: Строка 25:
[https://t.me/c/2449298363/5 Расписание пар]
[https://t.me/c/2449298363/5 Расписание пар]


[https://t.me/+uHN9pgStpbk4ZmEy Чат в telegram]
=== Записи занятий ===
{| class="wikitable"
|-
! !! Дата!! Ссылка
|-
| Занятие 1 || 06.11.2024 || 
https://disk.yandex.ru/d/SNs4TmYBdckmvQ
|-
| Занятие 2 || 11.11.2024 ||
https://disk.yandex.ru/d/cdQkvU6AwPrSdA
|-
| Занятие 3 || 18.11.2024 ||
https://disk.yandex.ru/d/gfVohmylNMrcdg
|-
| Занятие 4 || 25.11.2024 ||
https://disk.yandex.ru/d/qUo7R_3P8Il5tQ
|-
| Занятие 5 || 02.12.2024 ||
https://disk.yandex.ru/d/4Mqa9k3bLaBk0w
|-
| Занятие 6 || 09.12.2024 ||
https://disk.yandex.ru/d/Tbaz9M_gw7U2wA
|-
| Занятие 7 || 16.12.2024 ||
https://disk.yandex.ru/d/cxLZEopf-FGxyw
|}
 
=== Содержание дисциплины ===
{| class="wikitable"
|-
! № !! Раздел!! Тема
|-
| 1 || Введение в Python для машинного обучения || 
* Основы Python для машинного обучения
* Введение в библиотеки: NumPy, Pandas, Matplotlib
* Исследование данных и визуализация
 
|-
| 2 || Основы теории вероятностей ||
* Дискретная теория вероятности
* Статистики: среднее, медиана, мода, дисперсия и стандартное отклонение
* Введение в основные распределения
* Распределение Бернулли
* Биномиальное распределение
* Нормальное распределение
|-
| 3 || Основы математической статистики ||
* Оценивание параметров
* Оценки среднего и дисперсии
* Свойства оценок
|-
| 4 || Основы оптимизации для машинного обучения ||
* Градиентный спуск
* Методы второго порядка
 
|-
| 5 || Классическое машинное обучение
||
* Обобщенные линейные модели
* Линейная регрессия
* Логистическая регрессия
* Переобучение
* Регуляризация
 
|-
| 6 || Основы нейронных сетей
||
* Основы нейронных сетей: персептроны и функции активации
* Прямое и обратное распространение ошибок
* Введение в глубокое обучение: сверточные нейронные сети (CNN)
|-
|-
| 7 || Механизм внимания
||
* Как устроены большие языковые модели
* Архитектура трансформер
* Основные концепции: фильтры, пулинг, функции активации
* Техники регуляризации: dropout и L2-регуляризация
 
|}


== Преподаватели ==
== Преподаватели ==
Строка 18: Строка 111:
! Группа !! Преподаватель !! Время занятия
! Группа !! Преподаватель !! Время занятия
|-
|-
| Лекции || [Алексей Зайцев] || 18:10 - 19:30
| Лекции || Алексей Зайцев || 18:10 - 19:30
|-
|-
| 1 || [Аркадий Алиев] || 19:40 - 21:00
| 1 || Аркадий Алиев || 19:40 - 21:00
|-
|-
| 2 || [Александр Кудряшов] || 19:40 - 21:00
| 2 || Александр Кудряшов || 19:40 - 21:00

Текущая версия от 17:09, 9 января 2025

О курсе

Курс читается для студентов 1-го курса ПМИ (ИИ360) во 2 модуле.

Лектор: Алексей Зайцев, Руководитель внешних академических исследований в блоке риски «Сбера»

Распределение часов по курсу: 28 часов в 2 модуле (14 часов лекций, 14 часов семинаров)

Цель курса «Введение в статистику и машинное обучение» — познакомить учащихся с основными методами статистики и машинного обучения, а также с ключевыми библиотеками Python (NumPy, Pandas, Matplotlib) для анализа данных. Программа охватывает теорию вероятностей, оценивание параметров, линейные и логистические модели, основы нейронных сетей и архитектуру Трансформер. Факультатив поможет подготовиться к исследовательским проектам и обязательным курсам по ML на втором курсе.

Задачи дисциплины:

  • Погружение в основные библиотеки Python для работы с данными и построения визуализаций (NumPy, Pandas, Matplotlib);
  • Применение теории вероятностей и статистических методов для анализа и интерпретации данных;
  • Решение оптимизационных задач, характерных для машинного обучения, с использованием методов градиентного спуска;
  • Применение линейных и логистических моделей для анализа и обработки данных в реальных задачах;
  • Разработка и настройка нейронных сетей для анализа сложных данных, включая использование сверточных сетей, методов регуляризации и dropout;
  • Реализация моделей на основе архитектуры Трансформеров с применением механизмов внимания.

Оценивание включает домашние задания, midterm-экзамен и устный финальный экзамен.

Полезные ссылки

Телеграм-канал курса

Разделение по группам на факультативе

Расписание пар

Записи занятий

Дата Ссылка
Занятие 1 06.11.2024

https://disk.yandex.ru/d/SNs4TmYBdckmvQ

Занятие 2 11.11.2024

https://disk.yandex.ru/d/cdQkvU6AwPrSdA

Занятие 3 18.11.2024

https://disk.yandex.ru/d/gfVohmylNMrcdg

Занятие 4 25.11.2024

https://disk.yandex.ru/d/qUo7R_3P8Il5tQ

Занятие 5 02.12.2024

https://disk.yandex.ru/d/4Mqa9k3bLaBk0w

Занятие 6 09.12.2024

https://disk.yandex.ru/d/Tbaz9M_gw7U2wA

Занятие 7 16.12.2024

https://disk.yandex.ru/d/cxLZEopf-FGxyw

Содержание дисциплины

№ Раздел Тема
1 Введение в Python для машинного обучения
  • Основы Python для машинного обучения
  • Введение в библиотеки: NumPy, Pandas, Matplotlib
  • Исследование данных и визуализация
2 Основы теории вероятностей
  • Дискретная теория вероятности
  • Статистики: среднее, медиана, мода, дисперсия и стандартное отклонение
  • Введение в основные распределения
  • Распределение Бернулли
  • Биномиальное распределение
  • Нормальное распределение
3 Основы математической статистики
  • Оценивание параметров
  • Оценки среднего и дисперсии
  • Свойства оценок
4 Основы оптимизации для машинного обучения
  • Градиентный спуск
  • Методы второго порядка
5 Классическое машинное обучение
  • Обобщенные линейные модели
  • Линейная регрессия
  • Логистическая регрессия
  • Переобучение
  • Регуляризация
6 Основы нейронных сетей
  • Основы нейронных сетей: персептроны и функции активации
  • Прямое и обратное распространение ошибок
  • Введение в глубокое обучение: сверточные нейронные сети (CNN)
7 Механизм внимания
  • Как устроены большие языковые модели
  • Архитектура трансформер
  • Основные концепции: фильтры, пулинг, функции активации
  • Техники регуляризации: dropout и L2-регуляризация

Преподаватели

Группа Преподаватель Время занятия
Лекции Алексей Зайцев 18:10 - 19:30
1 Аркадий Алиев 19:40 - 21:00
2 Александр Кудряшов 19:40 - 21:00
Источник — https://wiki.cs.hse.ru/index.php?title=Введение_в_статистику_и_машинное_обучение&oldid=88855