Машинное обучение МатФак 23/24: различия между версиями
Перейти к навигации
Перейти к поиску
Ekononova (обсуждение | вклад) Новая страница: «пуньк» |
Нет описания правки |
||
| (не показано 6 промежуточных версий этого же участника) | |||
| Строка 1: | Строка 1: | ||
== О курсе == | |||
Курс читается для студентов матфака в 3-4 модулях. В курсе 16 лекций и 16 семинаров. | |||
* Оценка за курс считается по формуле: '''0.4 * Домашние задания + 0.1 * Проверочные работы + 0.2 * Контрольная работа + 0.3 * Экзамен | |||
* Автомат: Итоговая оценка равна накопленной, накопленная оценка считается по формуле: 10/7 * (0.4 * Домашние задания + 0.1 * Проверочные работы + 0.2 * Контрольная работа) Условия автомата: Накопленная оценка >= 5.5, оценка за контрольную работу >= 5.5, не был установлен факт плагиата ни одной работы | |||
'''Лектор:''' Нарцев Андрей Дмитриевич | |||
'''Семинаристы:''' Коган Александра Сергеевна (группа 1), Рыжиков Артём Сергеевич (группа 2) | |||
Лекции проходят '''онлайн по вторникам на шестой паре''' в [zoom]. | |||
=== Полезные ссылки === | |||
[https://github.com/andrewnarts/hse-ml/tree/main/math-faculty-intro-ml/2024 Репозиторий с материалами на GitHub] | |||
[https://disk.yandex.ru/d/T3NmhrM6X_6mfg Записи лекций] | |||
[https://t.me/+TglJAAxY7cNhNGYy Канал в telegram для объявлений] | |||
== Лекции == | |||
1. Введение в машинное обучение | |||
2. Введение в машинное обучение. Метод k ближайших соседей | |||
3. Метод k ближайших соседей. Постановка задачи линейной регрессии. | |||
== Семинары == | |||
1. Эксполаторный анализ | |||
2. Введение в sklearn. Метод k ближайших соседей. | |||
3. Линейная регрессия, sklearn. | |||
== Контрольная работа == | |||
== Экзамен == | |||
Текущая версия от 09:33, 2 февраля 2024
О курсе
Курс читается для студентов матфака в 3-4 модулях. В курсе 16 лекций и 16 семинаров.
- Оценка за курс считается по формуле: 0.4 * Домашние задания + 0.1 * Проверочные работы + 0.2 * Контрольная работа + 0.3 * Экзамен
- Автомат: Итоговая оценка равна накопленной, накопленная оценка считается по формуле: 10/7 * (0.4 * Домашние задания + 0.1 * Проверочные работы + 0.2 * Контрольная работа) Условия автомата: Накопленная оценка >= 5.5, оценка за контрольную работу >= 5.5, не был установлен факт плагиата ни одной работы
Лектор: Нарцев Андрей Дмитриевич
Семинаристы: Коган Александра Сергеевна (группа 1), Рыжиков Артём Сергеевич (группа 2)
Лекции проходят онлайн по вторникам на шестой паре в [zoom].
Полезные ссылки
Репозиторий с материалами на GitHub
Канал в telegram для объявлений
Лекции
1. Введение в машинное обучение
2. Введение в машинное обучение. Метод k ближайших соседей
3. Метод k ближайших соседей. Постановка задачи линейной регрессии.
Семинары
1. Эксполаторный анализ
2. Введение в sklearn. Метод k ближайших соседей.
3. Линейная регрессия, sklearn.