https://www.wikicshse.ru/index.php?action=history&feed=atom&title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_22%2F23_%D0%9C%D0%B0%D1%82%D1%84%D0%B0%D0%BAМашинное обучение 22/23 Матфак - История изменений2026-06-06T15:04:31ZИстория изменений этой страницы в викиMediaWiki 1.45.3https://www.wikicshse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_22/23_%D0%9C%D0%B0%D1%82%D1%84%D0%B0%D0%BA&diff=1437&oldid=previmported>Murrcha: /* Экзамен */2023-05-16T11:55:18Z<p><span class="autocomment">Экзамен</span></p>
<p><b>Новая страница</b></p><div>== О курсе ==<br />
<br />
Курс читается для студентов матфака в 3-4 модулях. В курсе 16 лекций и 16 семинаров.<br />
<br />
* Оценка за курс считается по формуле: '''0.4 * Домашнее задание + 0.2 * Коллоквиум + 0.15 * Работа на семинаре + 0.25 * Экзамен<br />
'''<br />
* Топ-20% студентов с наибольшим накопленным баллом могут получить накопленный балл (переведенный в 10-балльную шкалу домножением на 4/3) автоматом.<br />
<br />
* В курсе планируется 6 домашних заданий и 1 бонусное (командный проект). <br />
<br />
<br />
<br />
'''Лектор:''' [https://www.hse.ru/org/persons/211268525 Кантонистова Елена Олеговна]<br />
<br />
'''Семинарист:''' Некрашевич Максим Викторович<br />
<br />
Лекции проходят '''онлайн по средам в 13:00''' в [https://us06web.zoom.us/j/81871234523?pwd=VThKYWNEOHB4NHlFdVR0Vi9aWHA3QT09 zoom].<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://github.com/Murcha1990/ML_math_2022 Репозиторий с материалами на GitHub]<br />
<br />
[https://www.youtube.com/playlist?list=PLEwK9wdS5g0pq6FkCQ5P4VhHd3u1_PIKq Записи занятий]<br />
<br />
[https://t.me/+8UCIRw_TnTIxMjky Канал в telegram для объявлений]<br />
<br />
[https://docs.google.com/spreadsheets/d/1s9_Q4lcQVorvYeyDGr7bgXDH45qPikWD1RMbDYrFtPs/edit?usp=sharing Таблица с оценками]<br />
<br />
[https://anytask.org/course/1002 Anytask для сдачи домашних заданий]<br />
<br />
== Лекции ==<br />
<br />
1. Введение в машинное обучение.<br />
<br />
2. Задача регрессии. Линейная регрессия.<br />
<br />
3. Градиентный спуск и его модификации. Метрики качества регрессии.<br />
<br />
== Семинары ==<br />
<br />
<br />
== Коллоквиум ==<br />
<br />
Коллоквиум будет проходить в сессию 3 модуля, в письменной форме. О подробностях сообщим позже.<br />
<br />
<br />
== Экзамен ==<br />
<br />
Экзамен пройдёт 24 мая в 13:00. Для студентов, которые по объективным и подтверждённым причинам не могут писать экзамен в основной день организуем резервное время.<br />
<br />
Экзамен будет состоять из 3-х частей:<br />
<br />
Части A (тестовая с вариантами ответа) на 2.5 балла с 16-ю заданиями равного веса<br />
<br />
Части B (задачи без вариантов ответа) на 3.5 балла с 6-ю заданиями равного веса<br />
<br />
Части C (работа с набором данных) на 4 балла с заданиями индивидуального веса<br />
<br />
<br />
Пройдет экзамен на платформе online.hse.ru, на его выполнение будет дано 100 мин. <br />
<br />
<br />
Шкала перевода первичных баллов за тест в оценку за экзамен:<br />
<br />
<br />
[6; 10] -> 10 баллов<br />
<br />
[5.4; 6.0) - 9<br />
<br />
[4.8; 5.4) - 8<br />
<br />
[4.2; 4.8) - 7<br />
<br />
[3.6; 4.2) - 6<br />
<br />
[3; 3.6) - 5<br />
<br />
[2.4; 3) - 4<br />
<br />
[0; 2.4) - неуд.<br />
<br />
По усмотрению преподавателей курса критерии перевода баллов могут быть смягчены после оценки общего результата по всем студентам<br />
<br />
<br />
Обращаем ваше внимание на то, что в тесте могут быть вопросы, не изучавшиеся в рамках курса. Это компенсируется тем, что для получения максимальной оценки можно выполнить далеко не все задания (таким образом, если вы не можете решить что-то по программе настоящего курса, у вас есть возможность "отыграться" за счёт внепрограммных вопросов).<br />
<br />
Во время написания экзамена можно пользоваться всеми материалами курса, а также средой программирования на Python (рекомендуем подготовить её перед экзаменом, чтобы не терять время).<br />
<br />
==Полезные материалы==<br />
<br />
* [https://stepik.org/a/125501 Курс на Stepik "Практический ML" (за промокодом обращайтесь к преподавателям)]<br />
* [https://hastie.su.domains/Papers/ESLII.pdf Hastie, Tibshirani "The elements of statistical learning"]</div>imported>Murrcha