Методы оптимизации в машинном обучении: различия между версиями
Dkropotov (обсуждение | вклад) Нет описания правки |
Dkropotov (обсуждение | вклад) Нет описания правки |
||
| Строка 13: | Строка 13: | ||
Группа в Telegram для вопросов по курсу: [https://t.me/joinchat/GvxpZR02zbp7fk-G ссылка] | Группа в Telegram для вопросов по курсу: [https://t.me/joinchat/GvxpZR02zbp7fk-G ссылка] | ||
== Система выставления оценок по курсу == | |||
В рамках курса предполагается четыре теоретических и четыре практических домашних заданий, а также устный экзамен в конце курса. Каждое задание и экзамен оцениваются исходя из 10-ти баллов. За задания можно получить дополнительные баллы за выполнение бонусных пунктов. Каждое задание можно сдать в течение недели после мягкого дедлайна со штрафом 0.5 балла в день. Общая оценка за курс вычисляется по правилу Округление_вверх(0.7*<Оценка_за_семестр> + 0.3*<Оценка_за_экзамен>). <Оценка_за_семестр> = min(10, <Суммарная_оценка_за_задания>*10 / <Максимальная_суммарная_оценка_за_задания_без_бонусов>). Итоговая оценка за курс совпадает с общей оценкой при соблюдении следующих дополнительных условий: | |||
{| class="wikitable" | |||
! Итоговая оценка !! Условия | |||
|- | |||
|align="center"|>=8 || Сданы все задания, кроме одного (на оценку >=4), экзамен сдан на оценку >= 6 | |||
|- | |||
|align="center"|>=6 || Сданы все задания, кроме двух (на оценку >=4), экзамен сдан на оценку >= 4 | |||
|- | |||
|align="center"|>=4 || Сданы все задания, кроме трех (на оценку >=4), экзамен сдан на оценку >= 4 | |||
|- | |||
|} | |||
Версия от 08:46, 12 января 2021
Методы оптимизации лежат в основе решения многих задач компьютерных наук. Например, в машинном обучении задачу оптимизации необходимо решать каждый раз при настройке какой-то модели алгоритмов по данным, причём от эффективности решения соответствующей задачи оптимизации зависит практическая применимость самого метода машинного обучения. Данный курс посвящен изучению классических и современных методов решения задач непрерывной оптимизации (в том числе невыпуклых), а также особенностям применения этих методов в задачах оптимизации, возникающих в машинном обучении. Основной акцент в изложении делается на практические аспекты реализации и использования методов. Целью курса является выработка у слушателей навыков по подбору подходящего метода для своей задачи, наиболее полно учитывающего её особенности.
Преподаватели: Кропотов Дмитрий Александрович, Гадецкий Артём, Шаповалов Никита, Таскынов Ануар, Бобров Евгений.
| Группа | Расписание | Ссылка на zoom | Инвайт для anytask |
|---|---|---|---|
| 181 | вторник, лекция в 13:00 | ссылка | QdSHCUV |
| 182 | вторник, лекция в 13:00 | ссылка | qgj0NZ4 |
Группа в Telegram для вопросов по курсу: ссылка
Система выставления оценок по курсу
В рамках курса предполагается четыре теоретических и четыре практических домашних заданий, а также устный экзамен в конце курса. Каждое задание и экзамен оцениваются исходя из 10-ти баллов. За задания можно получить дополнительные баллы за выполнение бонусных пунктов. Каждое задание можно сдать в течение недели после мягкого дедлайна со штрафом 0.5 балла в день. Общая оценка за курс вычисляется по правилу Округление_вверх(0.7*<Оценка_за_семестр> + 0.3*<Оценка_за_экзамен>). <Оценка_за_семестр> = min(10, <Суммарная_оценка_за_задания>*10 / <Максимальная_суммарная_оценка_за_задания_без_бонусов>). Итоговая оценка за курс совпадает с общей оценкой при соблюдении следующих дополнительных условий:
| Итоговая оценка | Условия |
|---|---|
| >=8 | Сданы все задания, кроме одного (на оценку >=4), экзамен сдан на оценку >= 6 |
| >=6 | Сданы все задания, кроме двух (на оценку >=4), экзамен сдан на оценку >= 4 |
| >=4 | Сданы все задания, кроме трех (на оценку >=4), экзамен сдан на оценку >= 4 |