imported>SavelyProkhorov: minor formatting change

2022-04-02T10:23:45Z

minor formatting change

Новая страница

== О курсе ==

'''Преподаватели:'''

Максимовская Анастасия Максимовна, Рысьмятова Анастасия Александровна

=== Семинары ===
Канал курса в Slack: https://machinelearninginhse.slack.com/archives/C02K94RG7RQ

Занятия проводятся в Zoom по средам:
* Подгруппа 1 (Анастасия Максимовская) - [https://zoom.us/j/92156163540?pwd=Q0x2UEtkVDFuaUhjcmljeTBpQnE4UT09 Zoom]
* Подгруппа 2 (Анастасия Рысьмятова) - [https://zoom.us/j/97141728128?pwd=YjJTNVBuQmt3Y1BwcnNnZVpKRVBtQT09 Zoom]

Все материалы занятий находятся здесь: https://github.com/AnastasiyaMax/MLDS_ml_course_fall21

=== Ссылки на видеозаписи занятий ===
Записи занятий:
* [https://www.youtube.com/playlist?list=PLmA-1xX7IuzC6bhLliB5kUrjhfNFro5sa Подгруппа 1 (А. Максимовская)]
* [https://www.youtube.com/playlist?list=PLmA-1xX7IuzCHOMrn6udHfwsaeEtKMc7_ Подгруппа 2 (А. Рысьмятова)]

=== Расписание ===
{| class="wikitable"
|-
| Группа || Ссылка || Преподаватель || Учебный ассистент || Инвайт в anytask
|-
| Среда 19:00 || [https://zoom.us/j/92156163540?pwd=Q0x2UEtkVDFuaUhjcmljeTBpQnE4UT09 Zoom] || Анастасия Максимовская || [https://t.me/vslvskyy Юлия Василевская] || uwJwiEv
|-
| Среда 19:30 || [https://zoom.us/j/97141728128?pwd=YjJTNVBuQmt3Y1BwcnNnZVpKRVBtQT09 Zoom] || Анастасия Рысьмятова || [https://t.me/Savely_Prokhorov Савелий Прохоров] || 5byEmS7
|}

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:

* 2 курса на платформе Coursera;
* самостоятельные работы на некоторых занятиях (пятиминутки);
* домашние задания (в том числе соревнование на Kaggle);
* экзамен в сессию третьего модуля (письменный).

Все работы оцениваются в 10 баллов.

Накопленная оценка вычисляется на основе оценки за работу в течение 2-х модулей:

'''Накопленная оценка = 0.5 * ДЗ + 0.3 * ПР + 0.2 * К''', где ДЗ – средняя по всем Домашним заданиям, ПР – средняя по всем пятиминуткам, К – средняя по двум курсам на Coursera

Курс предполагает оценку автоматом:
* <strike>если Накопленная оценка >= 8, то Итоговая оценка ставится по накопленной</strike>
* <strike>иначе, '''Итоговая оценка = 0.8 * Накопленная оценка + 0.2 * Экзамен'''</strike>
* если экзамен не писался, оценка ставится по накопу;
* экзамен работает только на повышение оценки и идёт в итоговую оценку с весом 0.2:

== Экзамен ==

Экзамен пройдёт '''2 апреля (Сб) в 14:00'''. Для студентов, которые по объективным причинам не могут писать экзамен в основное время, '''резервное''' - 2 апреля (Сб) в '''19:00'''.

Экзамен будет состоять из 3-х частей:

* Части A (тестовая ''с вариантами ответа'') на 2.5 балла с 16-ю заданиями равного веса
* Части B (задачи ''без вариантов ответа'') на 3.5 балла с 6-ю заданиями равного веса
* Части C (''работа с набором данных'') на 4 балла с заданиями индивидуального веса

Пройдет экзамен '''на платформе online.hse.ru''', на его выполнение будет дано '''120 мин'''. Пожалуйста, убедитесь, что вы подключены к курсу по этой ссылке: https://online.hse.ru/course/view.php?id=4861

Во время написания экзамена можно пользоваться всеми материалами курса, а также средой программирования на Python (рекомендуем подготовить её перед экзаменом, чтобы не терять время).

Задания 1-4 (1.75 первичных балла суммарно) внутри части C будут целиком на pandas, для выполнения заданий 5-6 необходимо будет воспользоваться библиотекой scikit-learn. В последнем задании (на построение собственной модели) грейдер не работает: ничего, загружайте ваши предсказания, а мы оценим вручную

== Семинары ==
Материалы семинаров: [https://github.com/AnastasiyaMax/MLDS_ml_course_fall21 GitHub]

Плейлисты с записями:
* [https://www.youtube.com/playlist?list=PLmA-1xX7IuzC6bhLliB5kUrjhfNFro5sa Подгруппа 1 (А. Максимовская)]
* [https://www.youtube.com/playlist?list=PLmA-1xX7IuzCHOMrn6udHfwsaeEtKMc7_ Подгруппа 2 (А. Рысьмятова)]

семинар 1, ''27.10.2021'' – Основные понятия в машинном обучении

семинар 2, ''03.11.2021'' – Метод K ближайших соседей: запуск с помощью sklearn, реализация, особенности и проблемы метода

семинар 3, ''10.11.2021'' – Линейная регрессия, аналитический вывод весов, регуляризация, метрики качества для регрессии

семинар 4, ''17.11.2021'' – Линейная регрессия и градиентное обучение

семинар 5, ''24.11.2021'' – Модификации градиентного спуска, обнуление весов L1 регуляризацией, линейная классификация

семинар 6, ''01.12.2021'' – Метрики качества в задаче бинарной классификации

семинар 7, ''08.12.2021'' – Логистическая регрессия и метод опорных векторов

семинар 8, ''15.12.2021'' – Предобработка данных, классификация текстов.

семинар 9, ''22.12.2021'' – Многоклассовая классификация + метрики качества, классификация с пересекающимися классами + метрики качества

семинар 10, ''12.01.2022'' – Решающие деревья и случайный лес

семинар 11, ''26.01.2022'' – Разложение ошибки на смещение и разброс, беггинг

семинар 12, ''02.02.2022'' – Бустинг в задаче регрессии, градиентный бустинг

семинар 13, ''09.02.2022'' – Имплементации градиентного бустинга, теория

семинар 14, ''16.02.2022'' – Имплементации градиентного бустинга, практика

семинар 15, ''02.03.2022'' – Обзор основных метрик и моделей кластеризации

семинар 16, ''09.03.2022'' – Снижение размерности

== Домашние задания ==

Все домашние работы, а также пятиминутки необходимо сдавать в [https://anytask.org/ Anytask].

Инвайты:
* Группа 1 (преподаватель А. Максимовская): uwJwiEv
* Группа 2 (преподаватель А. Рысьмятова): 5byEmS7

'''ДЗ-1''': Изучение библиотеки Pandas

'''ДЗ-2''': Метод k ближайших соседей. Линейная регрессия, изучение библиотеки sklearn

'''ДЗ-3''': Градиентные методы обучения

'''ДЗ-4''': Линейная классификация. Классификация текстов

'''ДЗ-5''': Решающие деревья

'''ДЗ-6''': Разложение ошибки на смещение и разброс

'''ДЗ-7''': Бустинги

Машинное обучение (современные методы)-МОиВС-2021-2022 - История изменений

imported>SavelyProkhorov: minor formatting change