Машинное обучение (семинары, ВМК МГУ)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(→Практические задания)
(→Расписание занятий)
Строка 72: Строка 72:
|
|
[[Media:Sem3_trees_hw_2014.pdf‎|Домашнее задание]]
[[Media:Sem3_trees_hw_2014.pdf‎|Домашнее задание]]
 +
|-
 +
|3 октября
 +
|align="center"|Семинар 5
 +
| Линейные алгоритмы:
 +
* переобучение и регуляризация
 +
* градиент, его свойства
 +
* векторное дифференцирование
 +
|
 +
[[Media:Sem4_linear_2014.pdf‎|Конспект]]
 +
|
 +
[[Media:Sem4_linear_hw_2014.pdf‎|Домашнее задание]]
|-
|-
|}
|}

Версия 20:37, 3 октября 2014

Содержание


Выставление оценки за курс

Итоговая контрольная работа:

  1. На последней лекции будет проведена контрольная работа, которая затронет все темы, изученные в течение семестра.
  2. Контрольная оценивается по двухбалльной шкале (зачет/незачет), незачет влечет за собой недопуск к экзамену.
  3. Студент, не получивший допуск, переписывает на экзамене контрольную. В случае успеха он сдает экзамен на первой пересдаче. В случае незачета он снова переписывает контрольную на первой пересдаче, и так далее.

Семинары:

  1. На семинарах по каждой пройденной теме будут проводиться проверочные работы. Каждая проверочная оценивается по пятибалльной шкале. В зависимости от оценки за проверочную, студент освобождается от части или от всех задач по этой теме на итоговой контрольной работе.
  2. Также на семинарах будут выдаваться практические задания, которые будут оцениваться по пятибалльной шкале.
  3. Оценка за работу в семестре равна средней оценке за проверочные работы и практические задания. При вычислении среднего отбрасываются две худшие оценки.
  4. Если оценка за работу в семестре не меньше 4.5 баллов, то студент освобождается от написания итоговой контрольной и получает допуск к экзамену автоматом.
  5. Если оценка за работу в семестре равна 5.0, то студент получает +1 балл на экзамене (при условии получения положительной оценки).
  6. В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.

Осенний семестр 2014/2015

Расписание занятий

Дата Номер Тема Материалы Д/З
5 сентября Семинар 1

Метрические методы:

  • проблемы метода k ближайших соседей
  • функции расстояния

Конспект

Домашнее задание

12 сентября Семинар 2

К.В. Воронцов. Задача диагностики многих заболеваний по одной электрокардиограмме

Презентация

19 сентября Семинар 3 Метрические методы:
  • методы быстрого поиска ближайших соседей
  • locality-sensitive hashing

Конспект

Домашнее задание

26 сентября Семинар 4 Решающие деревья:
  • критерии информативности

Конспект

Домашнее задание

3 октября Семинар 5 Линейные алгоритмы:
  • переобучение и регуляризация
  • градиент, его свойства
  • векторное дифференцирование

Конспект

Домашнее задание

Практические задания

Задание Тема Дата выдачи Срок сдачи Условие
Лабораторная работа 1
  • Метод k ближайших соседей
  • Визуализация данных
  • Кросс-валидация
29 сентября 17 октября, 8.45 Условие

Виртуальная машина с питоном и библиотеками

Полезные ссылки:

Оценки

ФИО студента Группа TBA TBA TBA TBA TBA TBA TBA TBA TBA TBA Семестр Экзамен Итоговая оценка
Анциферова А. 317
Бондарев В. 317
Гитман И. 317
Даулбаев Т. 317
Журавлёв В. 317
Иванов О. 317
Квасов А. 317
Кудрявцев Г. 317
Молчанов Д. 317
Морозов А. 317
Онищенко М. 317
Оспанов А. 317
Панкратов А. 317
Полякова Н. 317
Рысьмятова А. 317
Соколова А. 317
Стёпина А. 317
Тлеубаев А. 317
Чабаненко В. 317
Чепарухин С. 317
Чиркова Н. 317
Шаповалов Н. 317
Юкова Ю. 317

Страницы курса прошлых лет

2013-2014 год, осень

2013-2014 год, весна

2012 год

Источник — «http://www.machinelearning.ru/wiki/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_%28%D1%81%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%D1%8B%2C_%D0%92%D0%9C%D0%9A_%D0%9C%D0%93%D0%A3%29»
Личные инструменты