Машинное обучение 1 25/26: различия между версиями
Ekononova (обсуждение | вклад) Нет описания правки |
Ekononova (обсуждение | вклад) Нет описания правки |
||
| Строка 92: | Строка 92: | ||
|- | |- | ||
|БПМИ231 МОП || | |БПМИ231 МОП || | ||
[https://t.me/ | [https://t.me/vaaven Лазарев Никита Сергеевич] | ||
[https://t.me/ | [https://t.me/kzmeia Кулик Екатерина Геннадьевна] | ||
|- | |- | ||
|БПМИ232 МОП || | |БПМИ232 МОП || | ||
[https://t.me/ | [https://t.me/KarAnny Карпова Анна Игоревна] | ||
[https://t.me/sodeniZz Матвеев Денис Дмитриевич] | |||
|- | |- | ||
|БПМИ233 МОП || | |БПМИ233 МОП || | ||
Версия от 15:59, 9 сентября 2025
О курсе

Курс читается для студентов 3-го курса ПМИ ФКН ВШЭ в 1-2 модулях.
Проводится с 2016 года.
Лектор: Соколов Евгений Андреевич
Полезные ссылки
Репозиторий с материалами на GitHub
Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+<номер группы>@gmail.com (например, hse.cs.ml+171@gmail.com)
Канал в telegram для объявлений: https://t.me/+wCUIOszbJ-ZhMTli
Чат в telegram для обсуждений: https://t.me/+yrD1dN--nhdlN2Ji
Ссылка на курс в Anytask:
Таблица с оценками:
Вопросы по курсу можно задавать в телеграм лектору (esokolov@) или семинаристу.
Вопросы по материалам лекций/семинаров и по заданиям лучше всего задавать на форуме.
Семинары
| Группа | Преподаватель | Ссылка на чат в телеграме | Код инвайта на энитаск |
|---|---|---|---|
| БПМИ231 МОП | Евгений Соколов | Ссылка | Код |
| БПМИ232 МОП | Морозов Никита | Ссылка | Код |
| БПМИ233 МОП | Никитин Илья | Ссылка | Код |
| БПМИ234 МОП | Бурлова Альбина | Ссылка | Код |
| БПМИ235 РС | Еленик Константин | Ссылка | Код |
| БПМИ236 РС | Черномордин Родион | Ссылка | Код |
| БПМИ237 АДИС | Иванов Даниил | Ссылка | Код |
| БПМИ238 ПР | Семерова Елена | Ссылка | Код |
| БПМИ239 ТИ | Пономарчук Анна | Ссылка | Код |
| БПМИ2310 АДИС | Ульянкин Филипп | Ссылка | Код |
| БПМИ2311 АПР | Петров Олег | Ссылка | Код |
| БПМИ2312 АДНЖ | Марк Блуменау | Ссылка | Код |
| БЭАД231 | Какурин Василий | Ссылка | Код |
| БЭАД232 | Бузаев Федор | Ссылка | Код |
| ВСН | Томащук Корней | Ссылка | Код |
| Группа ФЭН 1 | Максимов Ян | Ссылка | Код |
| Группа ФЭН 2 | Бугаев Егор | Ссылка | Код |
| ИИ 360 | Морозов Никита | Ссылка | Код |
| КНАД 1 | Воробьева Мария | Ссылка | Код |
| КНАД 2 | Сусла Диана | Ссылка | Код |
Ассистенты
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций и семинаров
- Практические домашние работы на Python
- Письменная контрольная работа
- Письменный экзамен
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
Итог = Округление(0.15 * ПР + 0.4 * ДЗ + 0.15 * КР + 0.3 * Э)
ПР — средняя оценка за самостоятельные работы на семинарах
ДЗ — средняя оценка за практические домашние работы на Python
КР — оценка за контрольную работу
Э — оценка за экзамен
Округление арифметическое.
Правила сдачи заданий
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.
Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.
При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.
Использовать генеративные модели (ChatGPT, GitHub Copilot и прочие) можно. 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.
Также мы в любом случае оставляем за собой право пригласить студента для защиты своего ДЗ, если заподозрим плагиат.
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.
Лекции
Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!
Семинары
Практические задания
Бонусы за соревнования
Контрольная работа
Экзамен
Полезные материалы
Книги
- 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
- Курс по машинному обучению К.В. Воронцова
- Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов
- Coursera: Машинное обучение от статистики до нейросетей (специализация)
- Coursera: Машинное обучение и анализ данных (специализация)
- Coursera: Введение в машинное обучение, К.В. Воронцов
- Введение в машинное обучение (онлайн-курс НИУ ВШЭ)
Страницы предыдущих лет
| Группа | Ассистент |
|---|---|
| БПМИ231 МОП | |
| БПМИ232 МОП | |
| БПМИ233 МОП | |
| БПМИ234 МОП | |
| БПМИ235 РС | |
| БПМИ236 РС | |
| БПМИ237 АДИС | |
| БПМИ238 ПР | |
| БПМИ239 ТИ | |
| БПМИ2310 АДИС | |
| БПМИ2311 АПР | |
| БПМИ2312 АДНЖ | |
| БЭАД231 | |
| БЭАД232 | |
| ВСН | |
| Группа ФЭН 1 | |
| Группа ФЭН 1 | |
| Группа ИИ 360 | |
| Группа КНАД 1 | |
| Группа КНАД 2 |