Алгоритмы, модели, алгебры (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Содержание курса)
Строка 43: Строка 43:
== Содержание курса ==
== Содержание курса ==
Наполняется по мере необходимости.
Наполняется по мере необходимости.
 +
 +
{| class="wikitable"
 +
|-
 +
! Число
 +
! Занятие
 +
! Тема
 +
! Замечания
 +
|-
 +
| 03.09.14
 +
| лекция
 +
| '''Вводное занятие''': цели курса, материалы, правила, участие в соревнованиях.
 +
|
 +
|-
 +
| 03.09.14
 +
| семинар
 +
| Тест на знание основ машинного обучения.
 +
|
 +
|-
 +
| 03.09.14
 +
| дз
 +
| Регистрация на платформе kaggle.com (каждый участник в четверг должен иметь действующий логин), регистрация на данном ресурсе (по возможности), исследование платформы kaggle (уметь назвать несколько задач с платформы, их постановку, функционал качества, методы, которые использовали участники).
 +
|
 +
|}
 +
 +
|-
 +
| 01.10.14
 +
|
 +
'''Домашнее задание №1''': Соревнование [http://www.kaggle.com/c/learning-social-circles Learning Social Circles in Networks] по определению кругов в эго-подграфах графа социальной сети (задача, данные, их загрузка, редакторское расстояние), приложения анализа социальных сетей.
 +
 +
'''Анализ социальных сетей, определение кругов пользователей''': динамические графы, приложения анализа социальных сетей, погружение графов в признаковое пространство, сходство вершин, важность вершин.
 +
| [[Медиа:PZAD2014_slides_lecture02part1.zip|слайды лекции 2 (zip, jpg 8Mb)]], книга [1], [http://www.kaggle.com/c/learning-social-circles/forums/t/10507/data-loading-for-matlab-users код для загрузки данных]
 +
|-
== Литература ==
== Литература ==

Версия 18:20, 5 сентября 2015

Алгоритмы, модели, алгебры (курс на ВМК до 2015 года)

Содержание

АЛГОРИТМЫ, МОДЕЛИ, АЛГЕБРЫ (название условное, курс посвящён анализу данных)

  • Обязательный курс для магистров каф. ММП 1 г/о, читается в 1-м (9-м) семестре.
  • Лекции — 32 часа, семинаров - 32 часа.
  • Экзамен.
  • За курс отвечает кафедра Математических методов прогнозирования.
  • Автор программы: профессор А. Г. Дьяконов.

Аннотация

Курс посвящён решению прикладных задач анализа данных. Разбираются реальные задачи и бизнес-кейсы. Студенты пишут и настраивают алгоритмы на языках Python, R, M(Matlab).

Семинары посвящены

  • докладам по решению прикладных задач (с презентациями),
  • опросам по выполнению домашнего задания,
  • обучению программированию на скриптовых языках (для тех, у кого их не было в бакалавриате),
  • мозговому штурму по решению задач и обсуждению решений,
  • написанию контрольных работ, решению аналитических задач, работе над ошибками.

Система оценивания

В течение семестра студенты получают задания.

При сдаче правильно выполненного задания в срок студент не получает штрафных баллов.

В противном случае - он получает от 1 до 10 штрафных баллов.

Штраф в 10 баллов допустим за позднюю сдачу (даже если решение верное) в случае отсутствия уважительных причин (болезнь, подтверждаемая справкой, и т.п. - см. требования учебной части).

На экзамене также за неверные ответы студент получает штрафные баллы.


Итоговая оценка формируется следующим образом:

  • до 10 штрафных баллов включительно - отлично,
  • до 20 штрафных баллов включительно - хорошо,
  • до 30 штрафных баллов включительно - удовлетворительно.

Содержание курса

Наполняется по мере необходимости.

Число Занятие Тема Замечания
03.09.14 лекция Вводное занятие: цели курса, материалы, правила, участие в соревнованиях.
03.09.14 семинар Тест на знание основ машинного обучения.
03.09.14 дз Регистрация на платформе kaggle.com (каждый участник в четверг должен иметь действующий логин), регистрация на данном ресурсе (по возможности), исследование платформы kaggle (уметь назвать несколько задач с платформы, их постановку, функционал качества, методы, которые использовали участники).

|- | 01.10.14 | Домашнее задание №1: Соревнование Learning Social Circles in Networks по определению кругов в эго-подграфах графа социальной сети (задача, данные, их загрузка, редакторское расстояние), приложения анализа социальных сетей.

Анализ социальных сетей, определение кругов пользователей: динамические графы, приложения анализа социальных сетей, погружение графов в признаковое пространство, сходство вершин, важность вершин. | слайды лекции 2 (zip, jpg 8Mb), книга [1], код для загрузки данных |-

Литература

Наполняется по мере необходимости.

Личные инструменты