vladimirmorozov057 / ml2020

Курс Машинное обучение, ФТиАД 2020

Общая информация

Где и когда

Занятия проходят по субботам

Ссылки

Телеграм чат https://t.me/ftad2020

Инвайт для Anytask

Группа Станислава: F6esG0j

Группа Анастасиии: P4MpuiU

Правила выставления оценки

В курсе предусмотрено несколько форм контроля знания:

• Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций
• Домашние работы (на Python и теоретические)
• Контрольная работа
• Письменный экзамен

Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

Итог = Округление(0.15 * ПР + 0.4 * ДЗ + 0.15 * КР + 0.3 * Э)

ПР — средняя оценка за самостоятельные работы на семинарах

ДЗ — средняя оценка за практические домашние работы на Python

КР — оценка за контрольную работу

Э — оценка за экзамен

Округление арифметическое.

Накопленная, экзаменационная и итоговая оценки округляются арифметически.

Правила сдачи домашних заданий

Дедлайн по теоретическим заданиям — указывается в задании.

Дедлайн по практическим заданиям — указывается в задании.

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жесткого дедлайна задания сдавать нельзя.

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.

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён (при этом получить дополнительные баллы за призовые места на конкурсе можно только при участии в общий срок). Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

Расписание занятий

Дата	Занятие	Материалы
12.09.2020	Введение в машинное обучение. Основы языка python.	Презентация по введению (по материалам Е. Соколова) Конспект по введению Ноутбук семинара
19.09.2020	Линейная регрессия.	Конспект по линейной регрессии Конспект по регуляризации Ноутбук семинара
26.09.2020	Градиентное обучение. Оценивание градиента. Основы матрично-векторного дифференцирования.	Конспект по градиентному обучению Семинар по векторному дифференцированию Ноутбук семинара
03.10.2020	Линейная классификация. Метрики качества для задачи классификации. Предобработка данных.	Конспект по линейной классификации и метрикам качества Семинар по предобработке данных Ноутбук семинара
10.10.2020	Логистическая регрессия. Метод опорных векторов. AUC-ROC.	Конспект лекции Семинар по AUC-ROC
17.10.2020	Многоклассовая классификация.	Конспект лекции Семинар Калибровка вероятностей
31.10.2020	Решающее дерево.	Конспект лекции Ноутбук по деревьям
07.11.2020	Разложение ошибки на смещение и разброс.	Конспект лекции Задачи по деревьям
14.11.2020	Бэггинг. Случайный лес. Градиентный бустинг.	Конспект лекции по бэггингу Конспект лекции по градиентному бустингу Задачи семинара
21.11.2020	Градиентный бустинг.	Конспект лекции по градиентному бустингу Конспект лекции XGBoost Ноутбук семинара
28.11.2020	Градиентный бустинг. Кластеризация.	Конспект лекции XGBoost Задачи семинара Конспект лекции по кластеризации
05.12.2020	Контрольная работа
12.12.2020	Кластеризация. Метод главных компонент	Конспект лекции
19.12.2020	Рекомендательные системы.	Конспект лекции

Практические задания

Домашнее задание 1: Numpy, Pandas, Matplotlib. Дедлайн: 26.09.20 23:59

Домашнее задание 2: Линейная регрессия. Дедлайн: 11.10.20 23:59

Домашнее задание 3: Градиентный спуск. Дедлайн: 26.10.20 23:59

Домашнее задание 4: Линейная классификация. Дедлайн: 09.11.20 23:59

Домашнее задание 5: Решающие деревья. Дедлайн: 23.11.20 23:59

Домашнее задание 6: Разложение ошибки на смещение и разброс. Дедлайн: 06.12.20 23:59

Домашнее задание 7: Бустинг и бэггинг. Дедлайн: 19.12.20 23:59

Теоретические задания

Домашнее задание 1: Векторное дифференцирование.

Домашнее задание 2: Линейная регрессия.

Домашнее задание 3: Линейная классификация.

Домашнее задание 4: Разложение ошибки на смещение и разброс.

Соревнование

Задача: выявление мошеннических тразнакций

Это соревнование на бонусные баллы, оно не является обязательным.

Ссылка для участия

Дедлайн: 15.12.2020 23:59MSK

В задании всего один бейзлайн (lightgbm), ненулевые баллы получают решения, преодолевшие его на приватном лидерборде. Все решения выше этого бейзлайна оцениваются по равномерной шкале от 0 до 5.

Обратите внимание на раздел Baselines на Kaggle — там можно найти много полезного

Контрольная работа

Вопросы для подготовки с прошлого года

Пример варианта контрольной

Экзамен

Вопросы для подготовки