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

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Содержание курса)
(Содержание курса)
Строка 79: Строка 79:
| 16.09.14
| 16.09.14
| дз
| дз
-
| Решение задачи [[https://inclass.kaggle.com/c/msuvisits MSUvisits]]. Срок - '''до 22 сентября 2015 23:59''' (с выкладкой отчёта в [[https://inclass.kaggle.com/c/msuvisits/forums/t/16428/517 этой ветке форума]]). Все вопросы задаются в [[https://inclass.kaggle.com/c/msuvisits/forums форуме]].
+
| Решение задачи [[https://inclass.kaggle.com/c/msuvisits MSUvisits]].
 +
Срок - '''до 22 сентября 2015 23:59''' (с выкладкой отчёта в [[https://inclass.kaggle.com/c/msuvisits/forums/t/16428/517 этой ветке форума]]).
 +
Все вопросы задаются в [[https://inclass.kaggle.com/c/msuvisits/forums форуме]].
Поощряется активность: выкладывание скриптов общего назначения (загрузка данных, перевод в нужный формат), бенчмарков (примитивные алгоритмы), ответы на вопросы в форуме.
Поощряется активность: выкладывание скриптов общего назначения (загрузка данных, перевод в нужный формат), бенчмарков (примитивные алгоритмы), ответы на вопросы в форуме.
'''до 15 сентября 2015 23:59 ''' - преодолеть порог 0.23753 в [[https://inclass.kaggle.com/c/msuvisits/leaderboard Public Liderboard]].
'''до 15 сентября 2015 23:59 ''' - преодолеть порог 0.23753 в [[https://inclass.kaggle.com/c/msuvisits/leaderboard Public Liderboard]].

Версия 09:27, 11 сентября 2015

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).

В некоторых случаях (на усмотрение лектора), магистру, который лучше всех выполнил конкретное задание, списываются штрафные баллы (до 10).

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).
10.09.14 лекция Оценка среднего и вероятности
10.09.14 семинар Если останется время: разбор задач теста
16.09.14 дз Решение задачи [MSUvisits].

Срок - до 22 сентября 2015 23:59 (с выкладкой отчёта в [этой ветке форума]). Все вопросы задаются в [форуме]. Поощряется активность: выкладывание скриптов общего назначения (загрузка данных, перевод в нужный формат), бенчмарков (примитивные алгоритмы), ответы на вопросы в форуме. до 15 сентября 2015 23:59 - преодолеть порог 0.23753 в [Public Liderboard].

16.09.14 лекция Система для анализа данных Matlab
16.09.14 семинар Практика на Matlab, разбор задач из теста на знание основ МО

Успеваемость

№ п/п Студент тест 03.09
1 Апишев Мурат Азаматович 0
2 Гой Антон Сергеевич 0
3 Готман Мария Леонидовна 0
4 Гурьянов Алексей Константинович 0
5 Жосан Юлия Сергеевна 0
6 Кибитова Валерия Николаевна 0
7 Козлов Владимир Дмитриевич 0
8 Кузенко Татьяна Вячеславовна -10
9 Лукашкина Юлия Николаевна 0
10 Ожерельев Илья Сергеевич 0
11 Сендерович Никита Леонидович +10
12 Скробот Дмитрий Владиславович -10
13 Темирчев Павел Георгиевич 0
14 Федосов Виктор Николаевич 0
15 Хомутов Никита Юрьевич -10
16 Шапулин Андрей Валентинович -10

Литература

Наполняется по мере необходимости.

История

Программы прошлых лет см. здесь: Алгоритмы, модели, алгебры (курс на ВМК до 2015 года)

Личные инструменты