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)
(311 промежуточных версий не показаны.)
Строка 1: Строка 1:
-
== АЛГОРИТМЫ, МОДЕЛИ, АЛГЕБРЫ (название условное, курс посвящён анализу данных) ==
+
== ПРИКЛАДНЫЕ ЗАДАЧИ АНАЛИЗА ДАННЫХ (курс для магистров ММП ВМК МГУ) ==
* Обязательный курс для магистров каф. [[ММП]] 1 г/о, читается в 1-м (9-м) семестре.
* Обязательный курс для магистров каф. [[ММП]] 1 г/о, читается в 1-м (9-м) семестре.
Строка 6: Строка 6:
* За курс отвечает кафедра Математических методов прогнозирования.
* За курс отвечает кафедра Математических методов прогнозирования.
* Автор программы: профессор [[Участник:Dj|{{S|А. Г. Дьяконов}}]].
* Автор программы: профессор [[Участник:Dj|{{S|А. Г. Дьяконов}}]].
 +
 +
 +
 +
 +
{{notice|
 +
'''Как в прошлом году проходил экзамен:'''
 +
 +
* Есть система штрафных баллов, по ней формируется итоговая оценка.
 +
* Пороги для конкретных оценок (по сумме баллов) объявлены изначально, но могут быть откорректированы лектором в пользу студентов.
 +
* Сам экзамен проводится письменно - на нём (при желании) можно улучшить итоговую оценку
 +
 +
'''Содержание экзамена:''' задания эквивалентные заданиям со всех контрольных и семинаров (плюс задания по спектральной теории графов, плюс задания на знания теории и определений, если они были на лекциях и продублированы в списке рекомендуемой литературы, плюс задания на знания языков/библиотек, если они обсуждались на семинарах и лекциях)
 +
 +
'''Исправление:''' хорошее написание письменного экзамена увеличивает итоговую оценку на 1 балл (порог будет заранее объявлен), безупречное написание - на 2 балла.
 +
 +
* Итоговая "отлично" ставится автоматом.
 +
* Итоговая "неудовлетворительно" также ставится автоматом и означает недопуск к экзамену, чтобы получить допуск надо сдать все несданные задания (итоговая оценка при этом не меняется и может быть исправлена только на самом экзамене).
 +
* Экзамен проходит по жёсткой схеме: нельзя пользоваться ничем (кроме ручки и листка бумаги). Аналогично контроль сдаваемых заданий после окончания семестра жёсткий: лектор уже не консультирует по самим заданиям, презентации оцениваются по формальным критериям: наличие постановки задачи, описание предложенных методов, их обоснование, подробное изложение экспериментов (с графиками и таблицами), формирование итоговой модели, выводы. Оценивается и сам доклад по задаче!
 +
 +
}}
== Аннотация ==
== Аннотация ==
Курс посвящён решению прикладных задач анализа данных.
Курс посвящён решению прикладных задач анализа данных.
Разбираются реальные задачи и бизнес-кейсы.
Разбираются реальные задачи и бизнес-кейсы.
-
Студенты пишут и настраивают алгоритмы на языках Python, R, M(Matlab).
+
Студенты пишут и настраивают алгоритмы на языках Python, R, M (Matlab).
Семинары посвящены
Семинары посвящены
Строка 52: Строка 72:
! Замечания
! Замечания
|-
|-
-
| 03.09.14
+
| 07.09.17
| лекция
| лекция
| '''Вводное занятие''': цели курса, материалы, правила, участие в соревнованиях.
| '''Вводное занятие''': цели курса, материалы, правила, участие в соревнованиях.
-
|
+
| [[Медиа:AMA2016_00_intro.pdf|презентация (pdf)]]
|-
|-
-
| 03.09.14
+
| 07.09.17
| семинар
| семинар
| Тест на знание основ машинного обучения.
| Тест на знание основ машинного обучения.
|
|
|-
|-
-
| 03.09.14
+
| 07.09.17
| дз
| 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).
| 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
+
| 14.09.17
| лекция
| лекция
| '''Оценка среднего и вероятности'''
| '''Оценка среднего и вероятности'''
материалы:
материалы:
-
# Книга [http://www.ozon.ru/context/detail/id/4526400/ Шурыгин А.М. Математические методы прогнозирования] * Неплохие идеи для решения некоторых практических задач статистики (но в целом, специфична)
+
# Книга [http://www.ozon.ru/context/detail/id/4526400/ Шурыгин А.М. Математические методы прогнозирования // М., Горячая линия — Телеком, 2009, 180 с.] * Неплохие идеи для решения некоторых практических задач статистики (но в целом, специфична)
-
# Статья [http://bijournal.hse.ru/2014--1%20%2827%29/120486363.html Прогноз поведения клиентов супермаркетов с помощью весовых схем оценок вероятностей и плотностей].
+
# Статья [http://bijournal.hse.ru/2014--1%20%2827%29/120486363.html  Дьяконов А.Г. Прогноз поведения клиентов супермаркетов с помощью весовых схем оценок вероятностей и плотностей // Бизнес-информатика. 2014. № 1 (27). С. 68–77.].
-
|
+
# Видео [https://vimeo.com/119925869 Оценка вероятности: когда к нам придёт клиент?]
 +
| [[Медиа:PZAD2016_01_probweights.pdf|презентация (pdf)]]
|-
|-
-
| 10.09.14
+
| 14.09.17
| лекция
| лекция
|
|
|
|
|-
|-
-
| 10.09.14
+
| 14.09.17
| дз
| дз
-
| Решение задачи [[https://inclass.kaggle.com/c/msuvisits MSUvisits]].
+
| '''Первое домашнее задание:'''
-
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://www.kaggle.com/c/pzadbabki]].
 +
Срок - '''до 04 октября 2017 23:59''' (с выкладкой отчёта в [[https://www.kaggle.com/c/pzadbabki/discussion/39537 этой ветке форума]]).
 +
 
 +
Все вопросы задаются в [[https://www.kaggle.com/c/pzadbabki/discussion/ 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 27 сентября 2017 23:59 ''' - преодолеть бенчмарк.
 +
 
 +
Напоминание: команды называть по шаблону '''''Ivan Ivanov (MMP, MSU, Russia)'''''.
| max штраф за задание -10.
| max штраф за задание -10.
Но дополнительно, за непреодоление бенчмарка -5.
Но дополнительно, за непреодоление бенчмарка -5.
 +
 +
 +
 +
|-
 +
| 21.09.17 <br> среда
 +
| лекция
 +
| '''Язык программирования Python'''
 +
* С. Лебедев [https://compscicenter.ru/courses/python/2015-autumn/ Программирование на Python]
 +
* [https://learnxinyminutes.com/docs/python/ Learn X in Y minutes]
 +
| [[Медиа:PZAD2017_c1_python.pdf|презентация (pdf)]]
|-
|-
-
| 16.09.14
+
| 21.09.17 <br> среда
| лекция
| лекция
-
| '''Система для анализа данных Matlab'''
+
| '''Язык программирования Python''' (продолжение)
|
|
|-
|-
-
| 16.09.14
+
| 21.09.17 <br> среда
 +
| дз
 +
| Готовиться к к/р по языку Python.
 +
|
 +
 
 +
 
 +
|-
 +
| 28.09.16
 +
| лекция
 +
| '''Визуализация данных'''
 +
материалы:
 +
 
 +
* Книга [http://www.amazon.com/Beautiful-Visualization-Looking-through-Practice/dp/1449379869 Beautiful Visualization: Looking at Data through the Eyes of Experts (Theory in Practice) // Edited by Julie Steele and Noah Iilinsky. Sebastopol, CA: O‘Reilly 2010, pp. 227-254. ISBN: 978-1-4493-7986-5] по визуализации данных
 +
|
 +
* [[Медиа:PZAD2017_02_visualize_part1.pdf|презентация (pdf)]]
 +
* [[Медиа:PZAD2017_02_visualize_part2.pdf|презентация (pdf)]]
 +
|-
 +
| 28.09.16
 +
| лекция
 +
| продолжение
 +
|
 +
|-
 +
| 28.09.16
 +
| дз
 +
|
 +
 
 +
'''Второе домашнее задание:'''
 +
 
 +
* Найти 2е интересные визуализации, выложить в [[https://www.kaggle.com/c/pzadbabki/discussion/40193 форуме(1)]] (см. внимательно правила по ссылке). [10 штрафных / +10 анти]
 +
* Найти ещё одну визуализацию для игры "что за данные" (добавить её в конец презентации про решение 1й задачи к 5.10.2017)
 +
* Выбрать набор данных на kaggle.com в разделе [[https://www.kaggle.com/datasets]]. См. правила и как выбрать на [[https://www.kaggle.com/c/pzadbabki/discussion/40194 форуме(2)]]. Оформить презентацию-доклад. [10 штрафных / +10 анти]
 +
* След занятие: отчёт по 1й задаче и к/р Питон
 +
 
 +
 
 +
 
 +
|-
 +
| 05.10.17
| семинар
| семинар
-
| Практика на Matlab, разбор задач из теста на знание основ МО
+
| '''Отчёт по ДЗ №1''' (определение суммы 1й покупки)
|
|
|-
|-
 +
| 05.10.17
 +
| лекция
 +
| '''Отчёт по ДЗ №1''' (определение суммы 1й покупки)
 +
|
 +
|-
 +
| 05.10.17
| дз
| дз
 +
| Следующее реашемое нами соревнование - https://sascompetitions.ru/ - задача Хоум Кредит Банка (подробности на след. занятии).
|
|
 +
 +
 +
|-
 +
| 12.10.17
 +
| лекция
 +
| '''Функционалы качества и ошибки'''
|
|
 +
|-
 +
| 12.10.17
 +
| лекция
 +
| '''Функционалы качества и ошибки'''
 +
 +
материалы:
 +
* [https://ccrma.stanford.edu/workshops/mir2009/references/ROCintro.pdf Tom Fawcett An introduction to ROC analysis // Pattern Recognition Letters Volume 27 Issue 8, 2006, P. 861-874.]
 +
* [http://strijov.com/papers/Strijov2012ErrorFn.pdf Стрижов В.В. Функция ошибки в задачах восстановления регрессии // Заводская лаборатория, 2013, 79(5): 65-73.]
 +
* [http://www.ozon.ru/context/detail/id/5497130/ К.Д. Маннинг, П. Рагхаван, Х. Шютце «Введение в информационный поиск» // . — Вильямс, 2011.]
 +
* видео [https://vimeo.com/119926468 Функционалы качества и функции потерь: Константы тоже бывают разные]
 +
* видео [https://vimeo.com/119926489 Функционалы качества и функции потерь: Какие множества похожи?]
 +
* видео [https://vimeo.com/119926504 Функционалы качества и функции потерь: AUC ROC - путь из (0,0) в (1,1)]
 +
| [[Медиа:PZAD2017_03_errors.pdf|презентация (pdf)]] **NEW**
 +
|-
 +
| 12.10.17
 +
| дз
 +
| До следующего занятия в [https://www.kaggle.com/c/pzadbabki/discussion/41212 ветке форума] выложить найденные закономерности в задаче скоринга.
|
|
 +
 +
 +
 +
 +
 +
 +
 +
|-
 +
| 19.10.16
 +
| лекция
 +
| продолжение '''Функционалы качества и ошибки''', '''Минимизация ошибок'''
 +
| [[Медиа:PZAD2016_06_minfunc.pdf|презентация (pdf)]]
 +
|-
 +
| 19.10.16
 +
| семинар
 +
| Обсуждение закономерностей в задаче '''Скоринг HC'''
 +
|
 +
|-
 +
| 19.10.16
 +
| дз
 +
|
 +
 +
НОВОЕ ЗАДАНИЕ
 +
 +
1. Подготовиться к контрольной по функционалам качества
 +
 +
* Для этого пройти [https://goo.gl/93qkum тест]
 +
* Прорешать задачи из презентиций [[Медиа:PZAD2017_03_errors.pdf|по ошибкам]], [[Медиа:PZAD2016_06_minfunc.pdf|по минимизации]]
 +
 +
2. Решать задачу скоринга
 +
* -10 - непреодоление бенчмарка
 +
* +10 - за см. [https://www.kaggle.com/c/pzadbabki/discussion/41573 ветку обмена кодом]
 +
 +
Файлы сабмитов в задаче скоринга начинать с 'msu_'
 +
 +
 +
По просьбам
 +
[https://alexanderdyakonov.files.wordpress.com/2016/10/dj2016_sdsj_vis.pdf Визуализация по данным Сбербанка]
 +
 +
|
 +
 +
|}
|}
== Успеваемость ==
== Успеваемость ==
-
{|class = "standard sortable"
+
 
-
! class="unsortable"|№ п/п !! Студент !! тест 03.09
+
[[Изображение:Reiting.png]]
-
|-
+
-
| align="center"|1 || Апишев Мурат Азаматович || align="center"|0
+
-
|-
+
-
| align="center"|2 || Гой Антон Сергеевич || align="center"|0
+
-
|-
+
-
| align="center"|3 || Готман Мария Леонидовна || align="center"|0
+
-
|-
+
-
| align="center"|4 || Гурьянов Алексей Константинович || align="center"|0
+
-
|-
+
-
| align="center"|5 || Жосан Юлия Сергеевна || align="center"|0
+
-
|-
+
-
| align="center"|6 || Кибитова Валерия Николаевна || align="center"|0
+
-
|-
+
-
| align="center"|7 || Козлов Владимир Дмитриевич || align="center"|0
+
-
|-
+
-
| align="center"|8 || Кузенко Татьяна Вячеславовна || align="center"|-0
+
-
|-
+
-
| align="center"|9 || Лукашкина Юлия Николаевна || align="center"|0
+
-
|-
+
-
| align="center"|10 || Ожерельев Илья Сергеевич || align="center"|0
+
-
|-
+
-
| align="center"|11 || Сендерович Никита Леонидович || align="center"|+10
+
-
|-
+
-
| align="center"|12 || Скробот Дмитрий Владиславович || align="center"|-0
+
-
|-
+
-
| align="center"|13 || Темирчев Павел Георгиевич || align="center"|0
+
-
|-
+
-
| align="center"|14 || Федосов Виктор Николаевич || align="center"|0
+
-
|-
+
-
| align="center"|15 || Хомутов Никита Юрьевич || align="center"|-0
+
-
|-
+
-
| align="center"|16 || Шапулин Андрей Валентинович || align="center"|-0
+
-
|-
+
-
|}
+
== Литература ==
== Литература ==
Строка 153: Строка 262:
== История ==
== История ==
-
Программы прошлых лет см. здесь: [[Алгоритмы, модели, алгебры (курс на ВМК до 2015 года)]]
+
Программы прошлых лет см. здесь:
 +
* [[Прикладные задачи анализа данных (курс на ВМК 2016 года)]]
 +
* [[Алгоритмы, модели, алгебры (курс на ВМК 2015 года)]]
 +
* [[Алгоритмы, модели, алгебры (курс на ВМК до 2015 года)]]
[[Категория:Учебные курсы]]
[[Категория:Учебные курсы]]
[[Категория:МГУ]]
[[Категория:МГУ]]

Версия 12:03, 20 октября 2017

Содержание

ПРИКЛАДНЫЕ ЗАДАЧИ АНАЛИЗА ДАННЫХ (курс для магистров ММП ВМК МГУ)

  • 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.



Как в прошлом году проходил экзамен:
  • Есть система штрафных баллов, по ней формируется итоговая оценка.
  • Пороги для конкретных оценок (по сумме баллов) объявлены изначально, но могут быть откорректированы лектором в пользу студентов.
  • Сам экзамен проводится письменно - на нём (при желании) можно улучшить итоговую оценку

Содержание экзамена: задания эквивалентные заданиям со всех контрольных и семинаров (плюс задания по спектральной теории графов, плюс задания на знания теории и определений, если они были на лекциях и продублированы в списке рекомендуемой литературы, плюс задания на знания языков/библиотек, если они обсуждались на семинарах и лекциях)

Исправление: хорошее написание письменного экзамена увеличивает итоговую оценку на 1 балл (порог будет заранее объявлен), безупречное написание - на 2 балла.

  • Итоговая "отлично" ставится автоматом.
  • Итоговая "неудовлетворительно" также ставится автоматом и означает недопуск к экзамену, чтобы получить допуск надо сдать все несданные задания (итоговая оценка при этом не меняется и может быть исправлена только на самом экзамене).
  • Экзамен проходит по жёсткой схеме: нельзя пользоваться ничем (кроме ручки и листка бумаги). Аналогично контроль сдаваемых заданий после окончания семестра жёсткий: лектор уже не консультирует по самим заданиям, презентации оцениваются по формальным критериям: наличие постановки задачи, описание предложенных методов, их обоснование, подробное изложение экспериментов (с графиками и таблицами), формирование итоговой модели, выводы. Оценивается и сам доклад по задаче!


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
07.09.17 лекция Вводное занятие: цели курса, материалы, правила, участие в соревнованиях. презентация (pdf)
07.09.17 семинар Тест на знание основ машинного обучения.
07.09.17 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).
14.09.17 лекция Оценка среднего и вероятности

материалы:

  1. Книга Шурыгин А.М. Математические методы прогнозирования // М., Горячая линия — Телеком, 2009, 180 с. * Неплохие идеи для решения некоторых практических задач статистики (но в целом, специфична)
  2. Статья  Дьяконов А.Г. Прогноз поведения клиентов супермаркетов с помощью весовых схем оценок вероятностей и плотностей // Бизнес-информатика. 2014. № 1 (27). С. 68–77..
  3. Видео Оценка вероятности: когда к нам придёт клиент?
презентация (pdf)
14.09.17 лекция
14.09.17 дз Первое домашнее задание:

Решение задачи [[1]]. Срок - до 04 октября 2017 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 27 сентября 2017 23:59 - преодолеть бенчмарк.

Напоминание: команды называть по шаблону Ivan Ivanov (MMP, MSU, Russia).

max штраф за задание -10.

Но дополнительно, за непреодоление бенчмарка -5.


21.09.17
среда
лекция Язык программирования Python презентация (pdf)
21.09.17
среда
лекция Язык программирования Python (продолжение)
21.09.17
среда
дз Готовиться к к/р по языку Python.


28.09.16 лекция Визуализация данных

материалы:

28.09.16 лекция продолжение
28.09.16 дз

Второе домашнее задание:

  • Найти 2е интересные визуализации, выложить в [форуме(1)] (см. внимательно правила по ссылке). [10 штрафных / +10 анти]
  • Найти ещё одну визуализацию для игры "что за данные" (добавить её в конец презентации про решение 1й задачи к 5.10.2017)
  • Выбрать набор данных на kaggle.com в разделе [[2]]. См. правила и как выбрать на [форуме(2)]. Оформить презентацию-доклад. [10 штрафных / +10 анти]
  • След занятие: отчёт по 1й задаче и к/р Питон


05.10.17 семинар Отчёт по ДЗ №1 (определение суммы 1й покупки)
05.10.17 лекция Отчёт по ДЗ №1 (определение суммы 1й покупки)
05.10.17 дз Следующее реашемое нами соревнование - https://sascompetitions.ru/ - задача Хоум Кредит Банка (подробности на след. занятии).


12.10.17 лекция Функционалы качества и ошибки
12.10.17 лекция Функционалы качества и ошибки

материалы:

презентация (pdf) **NEW**
12.10.17 дз До следующего занятия в ветке форума выложить найденные закономерности в задаче скоринга.




19.10.16 лекция продолжение Функционалы качества и ошибки, Минимизация ошибок презентация (pdf)
19.10.16 семинар Обсуждение закономерностей в задаче Скоринг HC
19.10.16 дз

НОВОЕ ЗАДАНИЕ

1. Подготовиться к контрольной по функционалам качества

2. Решать задачу скоринга

Файлы сабмитов в задаче скоринга начинать с 'msu_'


По просьбам Визуализация по данным Сбербанка


Успеваемость

Изображение:Reiting.png

Литература

Указана локально - в сетке расписания.

История

Программы прошлых лет см. здесь:

Личные инструменты