Просмотр кода страницы НИС Прикладные задачи анализа данных (МОиВС, 2022)

==О курсе==
Курс посвящен расширению кругозора обучающихся в области машинного и глубинного обучения. На курсе изучаются различные приложения анализа данных, которые, как правило, не входят в программы других дисциплин цикла. Среди изучаемых на курсе тем: поиск аномалий в данных, обзор алгоритмов построения рекомендаций, EM-алгоритм, нормализационные потоки и другие довольно важные приложения.

Большинство занятий проводятся <s>на [https://events.webinar.ru/54933491/1441462596 Webinar.ru]</s> в [https://us06web.zoom.us/j/89547424816?pwd=ZFVLL1g4REcwMm94NGhuUjBxeUpWQT09 Zoom] '''по субботам с 12:00 до 13:20'''

==Контакты==

Канал курса в TG: [https://t.me/+t-kFVhkL5Uo3Y2E6 channel link]

Чат курса в TG: [https://t.me/+Hz3D9pCadFAxN2Vi chat link]

{| class="wikitable"
|-
! Ассистенты !! Контакты 
|-
| style="background:#eaecf0;" | Червяков Артем ||[https://t.me/arorlov @arorlov]
|-
| style="background:#eaecf0;" | Прохоров Савелий ||[https://t.me/Savely_Prokhorov @Savely_Prokhorov]
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI

Ссылка на GitHub с материалами курса: [https://github.com/Murcha1990/MLDS_AppliedDS_autumn2021.git Github]

{| class="wikitable"
|-
 ! Занятие !! Тема !! Дата !! Преподаватель !! Материалы для самоподготовки к семинарам !! Дополнительные материалы
|-
| style="background:#eaecf0;" | '''1''' ||[[https://www.youtube.com/watch?v=bRQ5vRnbKDg&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] Рекомендательные системы || 17.09.22 || Цвигун Аким || [https://github.com/hse-ds/iad-applied-ds/blob/master/2021/lectures/lectures08-09-recommender.pdf Конспект Жени Соколова по рекомендательным системам] ||
|-
| style="background:#eaecf0;" | '''2''' ||[[https://www.youtube.com/watch?v=zihwn5SFpI8&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] Поиск аномалий || 24.09.22 || Кантонистова Елена || [https://www.youtube.com/watch?v=dxy_sxj27u4 Запись занятия Жени Соколова по поиску аномалий], [https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture16-anomaly.pdf Конспект] || 
|-
| style="background:#eaecf0;" | '''3''' || [[https://www.youtube.com/watch?v=qRk4B_3Rbfo&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]]Нормализационные потоки || 01.10.22 || Гущин Михаил || [https://www.youtube.com/watch?v=1WYXIGsD_5M Лекция Михаила на ИАДе] ||
|-
| style="background:#eaecf0;" | '''4''' || [[https://www.youtube.com/watch?v=K8tE2IEKojA&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] AutoML || 04.10.22 || Садртдинов Ильдус || [https://www.youtube.com/watch?v=oG3dg2t2mVc&list=PLEwK9wdS5g0o_HWWtNffNsBPpNmeuSDYV Лекция Жени Соколова на МО-2] || 
Байесовская оптимизация: 
* [https://towardsdatascience.com/a-conceptual-explanation-of-bayesian-model-based-hyperparameter-optimization-for-machine-learning-b8172278050f Статья на TDS],
* [https://en.wikipedia.org/wiki/Bayesian_optimization Википедия], 
* [https://distill.pub/2020/bayesian-optimization/ на Distill]

Гауссовские процессы:
* [https://bigbird.comp.nus.edu.sg/pmwiki/farm/mlss/uploads/Site/lect1gp.pdf A Tutorial on Gaussian Processes]
* [https://thegradient.pub/gaussian-process-not-quite-for-dummies/ на TheGradient]
* [https://distill.pub/2019/visual-exploration-gaussian-processes/ "A Visual Exploration of Gaussian Processes" on Distill]
|-
| style="background:#eaecf0;" | '''5''' ||[[https://www.youtube.com/watch?v=E6e7AzF4o2Q&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] Быстрый поиск ближайших соседей || 08.10.22 || Бокатенко Данил || Хэш-функции ||
|-
| style="background:#eaecf0;" | '''6''' || [[https://www.youtube.com/watch?v=X5LmHgOcly0&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] Графовый подход в задаче кластеризации || 15.10.22 || Бокатенко Данил || Собственные значения и собственные векторы матрицы || [https://arxiv.org/pdf/0711.0189.pdf Подробная статья по спектральной кластеризации]
|-
| style="background:#eaecf0;" | '''7''' || [[https://www.youtube.com/watch?v=ZZsTFvha8uA&list=PLmA-1xX7IuzDT8M0NfFg6r5IXLoFx7xsI Запись]] EM-алгоритм || 22.10.22 || Максим Рябинин || ||
|-
|}

==Формула оценивания==

Оценка = 0.3*тесты + 0.7*ДЗ

В начале занятия - тест (4-5 несложных вопросов) по теме предыдущего занятия.

== Домашние задания ==

По курсу предусмотрено 2 домашних задания

# По семейству генеративных моделей (на сравнение GAN'ов, автоэнкодеров и нормализационных потоков)
# По AutoML

А вот и они:
# [https://github.com/Murcha1990/MLDS_AppliedDS_autumn2021/tree/main/HWs/hw1_GenModels GANs vs VAEs vs NF], '''Дедлайн - 16.10.22 (Вс) 23:59''', ''Выдано - 01.10.22''
# [https://github.com/Murcha1990/MLDS_AppliedDS_autumn2021/blob/main/HWs/hw2_AutoML AutoML], '''Дедлайн - 22.10.22 (Сб) 23:59''', ''Выдано - 05.10.22''

== Литература ==
RecSys:
* Ким Фальк, "Рекомендательные системы на практике"; 
* [https://habr.com/ru/company/retailrocket/blog/345226/ Статья на Хабре со ссылками на избранные статьи с ACM RecSys];
* [http://www.machinelearning.ru/wiki/images/0/0f/PZAD2017_11_recsys.pdf Слайды лекции лекции Дьяконова А.Г. в МГУ];
* Charu C. Aggarwal. Recommender Systems: The Textbook, Springer;
* Recommender Systems Handbook. Francesco Ricci, Lior Rokach, Bracha Shapira (Eds.), Springer

Anomaly Detection:
* [https://github.com/yzhao062/anomaly-detection-resources '''anomaly-detection-resources''' repo on GitHub]

Normalizing Flows:
* [https://arxiv.org/pdf/1908.09257.pdf Normalizing Flows: An Introduction and Review of Current Methods]
* [https://github.com/janosh/awesome-normalizing-flows '''awesome-normalizing-flows''' repo on GitHub]

AutoML:
* [https://www.automl.org/ AutoML team of Leibniz University of Hannover website]
* yet another awesome repo [https://github.com/hibayesian/awesome-automl-papers '''Awesome-AutoML-Papers :)''']

Other:
* [https://cdn1.sph.harvard.edu/wp-content/uploads/sites/1268/2020/11/ciwhatif_hernanrobins_23nov20.pdf Хорошая книга по causal inference]