imported>Vlad.shakhuro: /* Домашние задания */

2016-12-10T11:52:09Z

Домашние задания

Новая страница

__TOC__

Семинарист: Влад Шахуро shahurik@ya.ru<br>
В начало темы писем добавляйте [ИАД].

[https://docs.google.com/spreadsheets/d/1MEhlcxuTX-JqcEk2M0heG5i21XXMZ6EzBP6sBao87_U/edit?usp=sharing Таблица с оценками]

== Семинары ==

15 сентября. ''Метод опорных векторов. Ядра.'' [https://github.com/grafft/hse-tasks/blob/master/minor-aml-16/sem1/1%20SVM-sem.ipynb ноутбук] <br/>

22 сентября. ''Оптимизация. Градиентный спуск.'' [http://nbviewer.jupyter.org/github/shahurik/hse-minor-ml/blob/master/seminar-2/2_gradient_descent.ipynb notebook], [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-2 данные] [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%B0 теория], [https://drive.google.com/file/d/0Bxdto9RRxaqMSHNzdXJoanpEejQ/view?usp=sharing пример град. спуска для линейной регрессии]

29 сентября. ''Предобработка данных''. [http://bit.ly/2dtjsRz ноутбук]

6 октября. ''Нейронные сети. Введение.'' [https://www.tensorflow.org/ Tensorflow]

13 октября. ''Бустинг''. [https://drive.google.com/file/d/0Bxdto9RRxaqMX0RkTXJ0djF5WXc/view?usp=sharing ноутбук]

27 октября. Семинара не было.

3 ноября. Коллоквиум.

10 ноября. ''Бустинг, метод Ньютона.'' [https://github.com/shahurik/hse-minor-ml/blob/master/seminar-4/notes-1.jpg Конспект]. ([http://www.yorku.ca/gisweb/eats4400/boost.pdf A short introduction to boosting], [http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf Воронцов] cтр. 2-9,
[http://www.machinelearning.ru/wiki/images/6/6c/BMMO11_8.pdf конспект] про метод Ньютона, стр. 1).

17 ноября. ''Сверточные нейронные сети для классификации изображений''. [http://keras.io Keras].

24 ноября. ''Случайные величины. Проверка гипотез, анализ зависимостей''. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar2_hypotheses тесты], [https://github.com/cs-hse/ML_DM_HSE_minor/tree/master/module3_statistics_notebooks/seminar3_correlations корреляция]. Тест Стьюдента для роста и веса хокеистов: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar2_hypotheses/practice_hockey_players_height.ipynb ноутбук].

1 декабря. ''Непараметрические тесты, корреляция.'' Ноутбуки (см. предыдущий семинар).

8 декабря. ''Прогнозирование временных рядов.'' [https://github.com/shahurik/hse-minor-ml/tree/master/seminar-time-series Ноутбук]

== Домашние задания ==

ДЗ1. SVM и ядровые функции. [https://github.com/shahurik/hse-minor-ml/tree/master/hw-1 Формулировка и данные]. Срок сдачи: 2 октября.

ДЗ2. Предобработка данных и бустинг. [https://drive.google.com/open?id=0Bxdto9RRxaqMdG84LWgxSzhmSFU Формулировка и данные]. Срок сдачи: 25 октября.

Соревнование. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)#.D0.A1.D0.BE.D1.80.D0.B5.D0.B2.D0.BD.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5 Формулировка и критерии оценивания.] Срок сдачи: 23 ноября.

ДЗ3. Центральная предельная теорема. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ3 Формулировка]. Срок сдачи: 4 декабря. Ноутбуки: [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/1_Случайные_величины.ipynb 1], [https://github.com/cs-hse/ML_DM_HSE_minor/blob/master/module3_statistics_notebooks/seminar1_random_variables_intervals/2_Выборки.ipynb 2].

ДЗ4. Анализ эффективности удержания. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ4 Формулировка]. Срок сдачи: 8 декабря.

ДЗ5. [http://wiki.cs.hse.ru/Современные_методы_машинного_обучения_(курс_майнора)/ДЗ5 Прогнозирование временного ряда]. Срок сдачи: 18 декабря.

== Полезные ссылки ==
=== Python ===
# [https://www.pkimber.net/open/_downloads/pep8_cheat.pdf PEP-8 Code Style Guide Cheat-sheet]
# [http://www.tutorialspoint.com/python/ Python Tutorials Point]
# [http://matplotlib.org/users/pyplot_tutorial.html Matplotlib Tutorial]
# [http://sebastianraschka.com/Articles/2014_matrix_cheatsheet_table.html Matrix Manipulation Cheat-sheet]
# [http://ipython.org/notebook.html Ipython Notebook]
# [http://beakernotebook.com/ Beaker Notebook]
# [https://www.yhat.com/products/rodeo yhat Rodeo]

=== Ресурсы и книги ===
# [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf James, Witten, Hastie, Tibshirani — An Introduction to Statistical Learning]
# [http://www.springer.com/br/book/9780387310732 Bishop — Pattern Recognition and Machine Learning (первые главы)]
# [http://www.machinelearning.ru/wiki/index.php?title=%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 MachineLearning.ru]
# [https://www.kaggle.com/ Kaggle]
# [http://archive.ics.uci.edu/ml/ UCI Repo]
# [http://www.r2d3.us/visual-intro-to-machine-learning-part-1/ Visual Intro to ML]

=== Онлайн курсы ===
# [https://www.coursera.org/learn/machine-learning Andrew Ng's Course]
# [https://www.coursera.org/learn/introduction-machine-learning Introduction to ML]
# [https://www.dataquest.io/ Learning Data Science with Python]
# [https://www.coursera.org/learn/introduction-machine-learning Курс от ВШЭ]
# [http://habrahabr.ru/post/248069/ Обзор МООС Курсов]

Современные методы машинного обучения (курс майнора)/ИАД-7 - История изменений

imported>Vlad.shakhuro: /* Домашние задания */