https://www.wikicshse.ru/index.php?action=history&feed=atom&title=LSML_2024%2F2025LSML 2024/2025 - История изменений2026-06-06T12:14:03ZИстория изменений этой страницы в викиMediaWiki 1.45.3https://www.wikicshse.ru/index.php?title=LSML_2024/2025&diff=447&oldid=previmported>TmKarter: добавлено новое дз2025-03-21T17:41:39Z<p>добавлено новое дз</p>
<p><b>Новая страница</b></p><div>== О курсе ==<br />
<br />
Курс читается для студентов 4-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3 модуле. Проводится с 2017 года.<br />
<br />
'''Лекторы:''' [https://t.me/poly_nomial Анищенко Илья Игоревич], Байкалов Владимир Олегович, Булатов Евгений Александрович<br />
<br />
'''Семинаристы:''' [https://t.me/therealAvicenna Галушкин Андрей Владимирович], [https://t.me/poly_nomial Анищенко Илья Игоревич]<br />
<br />
'''Ассистент''' -<br />
<br />
Лекции проходят в онлайн-режиме.<br />
<br />
Вычислительные мощности в облаке Yandex.Cloud для курса предоставила компания Яндекс.<br />
<br />
=== Полезные ссылки ===<br />
<br />
Слайды лекций: - https://github.com/NaxNax666/lsml-2025/tree/main/lectures<br />
<br />
Получение доступа к Облаку - https://forms.gle/WYxZNoyzmz8aB9C87<br />
<br />
Таблица с оценками: - https://docs.google.com/spreadsheets/d/1psL-bsuAj5yeVNqLMFyZoEPE-WYandTvMVPOBK1DHHM<br />
<br />
Папка на Я.Диске с записями всех занятий - https://disk.yandex.ru/d/XjVA1H2x8tCbBw<br />
<br />
Чат в telegram с объявлениями и топиками по курсу: - https://t.me/+ipo8KM6LQs8yNzZi<br />
<br />
Репозиторий с материалами семинаров: https://github.com/NaxNax666/lsml-2025<br />
<br />
Наше облако: https://console.yandex.cloud/cloud/b1g4eujvvdle2rievqof<br />
<br />
Ошибки в материалах лекций/семинаров/заданий лучше всего оформлять в виде issue на github.<br />
<br />
Самостоятельные задачи сдаются в Google forms. Для каждого задания своя отдельная ссылка на прием заданий:<br />
<br />
{| class="wikitable"<br />
|-<br />
! Задание !! Ссылка для сдачи !! Ссылка на домашнее задание !! Дата выдачи !! Дедлайн<br />
|-<br />
| Мини домашнее задание 1. || https://forms.gle/VEm1zyuJNBins7ZS8 || [https://github.com/NaxNax666/lsml-2025/blob/main/MHW1.%20Bash%20%26%20Cloud.ipynb тык] || 1 февраля || 11 февраля 23:59<br />
|-<br />
| Мини домашнее задание 2. || https://forms.gle/Ct8LQAog7QQL9Ysb7 || [https://github.com/NaxNax666/lsml-2025/blob/main/MHW2.%20Hadoop%20and%20Spark.ipynb тык] || 15 февраля || 25 февраля 23:59<br />
|-<br />
| Мини домашнее задание 3. || https://forms.gle/M4EQMySRdXC24Awy5 || [https://github.com/NaxNax666/lsml-2025/blob/main/MHW%203.%20Classical%20models.ipynb тык] || 28 февраля || 11 марта 23:59<br />
|-<br />
| Мини домашнее задание 4. || https://forms.gle/WUpam8t4mXjrBghC9 || [https://github.com/NaxNax666/lsml-2025/blob/main/MHW4.%20Spark%20transformations.ipynb тык] || 21 марта || 26 марта 09:00<br />
|-<br />
| Основное домашнее задание || https://forms.gle/KL8vNTWPveCzFbFy8 || [https://github.com/NaxNax666/lsml-2025/blob/main/Main%20Homework.%20Outbrain.ipynb тык] || 13 марта || 26 марта 09:00<br />
|-<br />
|}<br />
<br />
== Лекции и Семинары ==<br />
Лекции проводят преподаватели из списка выше в общий временной слот в ПН 18:10 - 19:30 по МСК - (ссылка будет позже)<br />
<br />
Семинары проводят:<br />
<br />
- Галушкин Андрей в СБ в 11:10-12:30 по МСК - (ссылка будет позже)<br />
<br />
- Анищенко Илья в ПН в 19:40-21:00 по МСК - (ссылка будет позже)<br />
<br />
=== Консультации ===<br />
<br />
Консультации с преподавателями и учебными ассистентами (если иное не оговорено на странице семинаров конкретной группы) по курсу проводятся по предварительной договорённости ввиду невостребованности регулярных консультаций.<br />
<br />
При необходимости, можно писать на почту или в Telegram.<br />
<br />
=== Правила выставления оценок ===<br />
<br />
В курсе предусмотрено несколько форм контроля знания:<br />
* Мини-домашние задания. Дедлайн на сдачу заданий - 2-3 недели (см таблицу с точными датами).<br />
* Большое домашнее задание (будет выдано ориентировочно на 4 семинаре).<br />
* В Мини-домашних заданиях переодически буду появляться бонусные задания, дающие возможность получить больше 10 баллов за работу<br />
Итоговая оценка вычисляется:<br />
<br />
O<sub>итоговая</sub> = 0.5*[(O<sub>МДЗ1</sub> + O<sub>МДЗ2</sub> + O<sub>МДЗ3</sub> + O<sub>МДЗ4</sub>)/4] + 0.5*O<sub>ДЗ</sub><br />
<br />
=== Правила сдачи заданий ===<br />
<br />
Важно останавливать\удалять ресурсы, создаваемые в облаке, так как в противном случае финансов может не хватить для выполнения всех заданий. Полезно при этом овладеть навыком сохранения промежуточных данных в облачном хранилище - это позволит максимально быстро выполнять задания с минимальными финансовыми затратами.<br />
<br />
Дедлайны по всем домашним заданиям являются жёсткими, то есть после срока работы не принимаются.<br />
<br />
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.<br />
<br />
== Полезные материалы ==<br />
===Книги===<br />
# Ron Bekkerman, Mikhail Bilenko, John Langford. Scaling up Machine Learning: Parallel and Distributed Approaches, Cambridge University Press, 2011.<br />
# Jure Leskovec, Anand Rajaraman, Jeff Ullman. Mining of Massive Datasets, Cambridge University Press, 2014.<br />
# Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning (Adaptive Computation and Machine Learning series), The MIT Press, 2016.<br />
# Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills. Advanced Analytics with Spark: Patterns for Learning from Data at Scale, O'Reilly Media, 2015.<br />
<br />
===Странички прошлых лет===<br />
http://wiki.cs.hse.ru/LSML_2023/2024</div>imported>TmKarter