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

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Содержание курса)
Текущая версия (12:22, 3 сентября 2020) (править) (отменить)
(Система оценивания)
 
(126 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) ==
-
 
+
-
{{notice|
+
-
'''Внимание магистрам 2го, которые хотят пересдавать АМА'''
+
-
 
+
-
Система оценки на пересдаче идентична системе, которая была при чтении курса. <br>
+
-
Вы должны вместе с текущими слушателями АМА выполнять все задания, <br>
+
-
чтобы гарантировать себе оценку, отличную от '''неуд'''!!! <br>
+
-
Сроки сдачи заданий и штрафные баллы такие же, как и у магистров 517 группы.
+
-
}}
+
* 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.
-
* Лекции — 32 часа, семинаров - 32 часа.
+
* Лекции — 36 часов, семинаров - 36 часов.
* Экзамен.
* Экзамен.
* За курс отвечает кафедра Математических методов прогнозирования.
* За курс отвечает кафедра Математических методов прогнозирования.
Строка 20: Строка 11:
{{notice|
{{notice|
-
'''Как в прошлом году проходил экзамен:'''
+
'''Как будет проходить экзамен:'''
* Есть система штрафных баллов, по ней формируется итоговая оценка.
* 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.
* 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
* Сам экзамен проводится письменно - на нём (при желании) можно улучшить итоговую оценку
 +
 +
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). Перечень заданий для допуска определяется персонально с учётом заданий, сданных во время семестра.
 +
'''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)
'''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!
* 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!
Строка 39: Строка 34:
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 языке Python.
Семинары посвящены
Семинары посвящены
Строка 66: Строка 61:
-
Итоговая оценка формируется следующим образом:
+
Итоговая (базовая) оценка формируется следующим образом:
* до 10 штрафных баллов включительно - отлично,
* до 10 штрафных баллов включительно - отлично,
* до 20 штрафных баллов включительно - хорошо,
* до 20 штрафных баллов включительно - хорошо,
Строка 72: Строка 67:
== Содержание курса ==
== Содержание курса ==
-
Наполняется по мере необходимости.
 
-
{| class="wikitable"
+
В этом году все материалы выкладываются здесь: https://github.com/Dyakonov/PZAD.
-
|-
+
-
! Число
+
-
! Занятие
+
-
! Тема
+
-
! Замечания
+
-
|-
+
-
| 01.09.16
+
-
| лекция
+
-
| '''Вводное занятие''': цели курса, материалы, правила, участие в соревнованиях.
+
-
| [[Медиа:AMA2016_00_intro.pdf|презентация (pdf)]]
+
-
|-
+
-
| 01.09.16
+
-
| семинар
+
-
| Тест на знание основ машинного обучения.
+
-
|
+
-
|-
+
-
| 01.09.16
+
-
| 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).
+
-
|
+
-
|-
+
-
| 08.09.16
+
-
| лекция
+
-
| '''Оценка среднего и вероятности'''
+
-
 
+
-
материалы:
+
-
# 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  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)]]
+
-
|-
+
-
| 08.09.16
+
-
| лекция
+
-
|
+
-
|
+
-
|-
+
-
| 08.09.16
+
-
| дз
+
-
| '''Первое домашнее задание:'''
+
-
 
+
-
Решение задачи [[https://inclass.kaggle.com/c/msusums]].
+
-
Срок - '''до 21 сентября 2016 23:59''' (с выкладкой отчёта в [[https://inclass.kaggle.com/c/msusums/forums/t/23145/2016/132732 этой ветке форума]]).
+
-
 
+
-
Все вопросы задаются в [[https://inclass.kaggle.com/c/msusums/forums/ форуме]].
+
-
 
+
-
Поощряется активность: выкладывание скриптов общего назначения (загрузка данных, перевод в нужный формат), бенчмарков (примитивные алгоритмы), ответы на вопросы в форуме.
+
-
 
+
-
'''до 14 сентября 2016 23:59 ''' - преодолеть порог 278.17435 в [[https://inclass.kaggle.com/c/msusums/leaderboard Public Liderboard]].
+
-
 
+
-
Напоминание: команды называть по шаблону '''''Ivan Ivanov (MMP, MSU, Russia)'''''.
+
-
| max штраф за задание -10.
+
-
Но дополнительно, за непреодоление бенчмарка -5.
+
-
 
+
-
 
+
-
 
+
-
|-
+
-
| 15.09.16
+
-
| лекция
+
-
| '''Система для анализа данных Matlab'''
+
-
материалы:
+
-
 
+
-
# [[Публикация:Дьяконов 2010 Учебное пособие ММП| Дьяконов A.Г. Анализ данных, обучение по прецедентам, логические игры, системы WEKA, RapidMiner и MatLab (практикум на ЭВМ кафедры математических методов прогнозирования), МАКСПресс, 2010, 278с.]]
+
-
# [https://blogs.mathworks.com/loren/ Блог Лоурен "Loren on the Art of MATLAB"]
+
-
| [[Медиа:PZAD2016_02_matlab.pdf|презентация (pdf)]]
+
-
|-
+
-
| 15.09.16
+
-
| семинар
+
-
| Разбор первого проверочного теста
+
-
|
+
-
|-
+
-
| 15.09.16
+
-
| дз
+
-
| Быть в будущем готовым к контрольной
+
-
|
+
-
|-
+
-
| 22.09.16
+
-
| 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:PZAD2016_03_visualize.pdf|презентация (pdf)]]
+
-
|-
+
-
| 22.09.16
+
-
| семинар
+
-
| Разбор решений задачи [[https://inclass.kaggle.com/c/msusums MSUsums]]
+
-
|
+
-
|-
+
-
| 22.09.16
+
-
| дз
+
-
|
+
-
 
+
-
'''Второе домашнее задание:'''
+
-
 
+
-
0. Найти интересную визуализацию, выложить в [[https://inclass.kaggle.com/c/msusums/forums/t/23884/ ветке форума]] (кратко обосновать, чем интересна).
+
-
 
+
-
Не обязательно на тему анализа данных (главное: интересная тематика и/или стиль визуализации).
+
-
 
+
-
Если кто-то выкладывает визуализацию, то источник (например, какой-то блог) уже не может быть использован остальными магистрами!
+
-
 
+
-
1. Выбрать набор данных на kaggle.com в разделе [[https://www.kaggle.com/datasets Kaggle/Datasets]].
+
-
 
+
-
Будьте внимательны: смотрите на данные. Ограничение: не более двух магистров на один датасет.
+
-
Выбор надо '''сразу же''' "застолбить" в [[https://inclass.kaggle.com/c/msusums/forums/t/23884/ ветке форума]].
+
-
 
+
-
2. Сделать визуализацию по этой задаче (по каждой уже есть какие-то визуализации - см. раздел "Kernels"). Вот [[https://www.kaggle.com/adhok93/d/deepmatrix/imdb-5000-movie-dataset/eda-with-plotly/notebook пример]] одной из уже сделанных визуализаций.
+
-
 
+
-
3. Оформить её в виде скрипта на сайте (предпочтительно) и / или в виде отдельного pdf-отчёта. Вот пример [[https://inclass.kaggle.com/blobs/download/forum-message-attachment-files/3096/Senderovich517VisualReport.pdf отчёта прошлого года]].
+
-
 
+
-
4. В любом случае - сделать по своей работе презентацию.
+
-
 
+
-
5. Что будет оцениваться (точнее, не штрафоваться)
+
-
* красота картинок
+
-
* нетривиальность данных для визуализации (необходимость получить их по представленным таблицам)
+
-
* непохожесть на другие визуализации
+
-
* качество выводов
+
-
* подробность описания своей работы над задачей
+
-
* лайки на сайте kaggle
+
-
 
+
-
Срок - до '''12.10.2016 23:59'''.
+
-
 
+
-
Максимальный штраф: '''-10''' (плюс отдельный штраф '''-5''' за найденную визуализацию).
+
-
 
+
-
|
+
-
|-
+
-
| 29.09.16
+
-
| лекция
+
-
| продолжение '''Визуализация данных'''
+
-
|
+
-
|-
+
-
| 29.09.16
+
-
| 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:PZAD2016_04_errors.pdf|презентация (pdf)]]
+
-
|-
+
-
| 29.09.16
+
-
| дз
+
-
|
+
-
|
+
-
 
+
-
|-
+
-
| 05.10.16 <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:PZAD2016_05_python.pdf|презентация (pdf)]]
+
-
|-
+
-
| 05.10.16 <br> среда
+
-
| лекция
+
-
| '''Язык программирования Python''' (продолжение)
+
-
|
+
-
|-
+
-
| 05.10.16 <br> среда
+
-
| дз
+
-
| Готовиться к к/р по языку Python.
+
-
|
+
-
 
+
-
 
+
-
|-
+
-
| 13.10.16
+
-
| лекция
+
-
| продолжение '''Функционалы качества и ошибки'''
+
-
|
+
-
|-
+
-
| 13.10.16
+
-
| лекция
+
-
| '''Минимизация ошибок'''
+
-
 
+
-
 
+
-
| [[Медиа:PZAD2016_05_minfunc.pdf|презентация (pdf)]]
+
-
|-
+
-
| 13.10.16
+
-
| дз
+
-
|
+
-
 
+
-
НОВОЕ ЗАДАНИЕ
+
-
1. Поиск закономерностей в данных https://contest.sdsj.ru/
+
-
 
+
-
- в последующем будем решать эту задачу (можно начинать)
+
-
 
+
-
- первая тройка (в глобальном соревновании и в каждой подзадаче) получает 5 автоматом
+
-
 
+
-
- сейчас до 27.10.2016 ищем интересные закономерности
+
-
 
+
-
(в первую очередь, с прицелом на решение одной из 3х задач,
+
-
но можно и просто какие-то нетривиальные зависимости в данных)
+
-
 
+
-
- цель: найти зависимости, которые не нашёл лектор
+
-
- максимальный штраф: -10
+
-
 
+
-
- итог: выступление с презентаций (pdf) 27.10.2016
+
-
 
+
-
Для выполнения задания очень пригодится пакет Pandas для Python.
+
-
Я о нём расскажу на след. неделе,
+
-
вот
+
-
[https://alexanderdyakonov.files.wordpress.com/2015/04/ama2015_pandas.pdf презентация прошлого года].
+
-
 
+
-
[https://alexanderdyakonov.files.wordpress.com/2016/10/dj2016_sdsj_vis.pdf Визуализация по конкурсу]
+
-
 
+
-
[https://github.com/Dyakonov/case_sdsj/blob/master/dj_sdsj01_visual.ipynb код]
+
-
|
+
-
|
+
-
 
+
-
 
+
-
|-
+
-
| 20.10.16
+
-
| лекция
+
-
| '''Pandas'''
+
-
| [https://alexanderdyakonov.files.wordpress.com/2015/04/ama2015_pandas.pdf презентация] (ver.2015)
+
-
|-
+
-
| 20.10.16
+
-
| семинар
+
-
| Функционалы качества и функции ошибки
+
-
|
+
-
|-
+
-
| 20.10.16
+
-
|
+
-
|
+
-
|
+
-
 
+
-
|-
+
-
| 27.10.16
+
-
| кр
+
-
|
+
-
* к/р по ЯП Python
+
-
* к/р по теме '''Функционалы качества'''
+
-
* Презентации по теме '''Закономерности в задаче "Сбербанк" '''
+
-
|
+
-
 
+
-
 
+
-
|-
+
-
| 3.11.16
+
-
| лекция
+
-
| '''Scikit-learn'''
+
-
|
+
-
|-
+
-
| 3.11.16
+
-
| лекция
+
-
| case (регрессия с особым функционалом качества): '''Решение задачи об определении времени перемножения матриц'''
+
-
 
+
-
 
+
-
|
+
-
|-
+
-
| 3.11.16
+
-
| дз
+
-
| Участие в конкурсе [https://contest.sdsj.ru/ СберБанка]. До следующего занятия в [https://inclass.kaggle.com/c/msusums/forums/t/25187/- ветке форума] выложить код.
+
-
|
+
-
 
+
-
|-
+
-
| 10.11.15
+
-
| лекция
+
-
| '''Случайные леса'''
+
-
 
+
-
материалы:
+
-
* А. Liaw, M. Wiener [http://www.bios.unc.edu/~dzeng/BIOS740/randomforest.pdf Classification and Regression by randomForest] // R News (2002) Vol. 2/3 p. 18.
+
-
* И. Генрихов [http://jmlda.org/papers/doc/2014/no8/Genrikhov2014Criteria.pdf О критериях ветвления, используемых при синтезе решающих деревьев] // Машинное обучение и анализ данных, 2014, Т.1, №8, С.988-1017
+
-
* A. Natekin, A. Knoll [http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3885826/ Gradient boosting machines, a tutorial] // Front Neurorobot. 2013; 7: 21.
+
-
| [[Медиа:PZAD2016_05_minfunc.pdf|презентация (pdf)]]
+
-
 
+
-
| 10.11.15
+
-
| лекция
+
-
| '''Временные и географические признаки'''
+
-
| (презентация будет позже)
+
-
 
+
-
| 10.11.15
+
-
| д/з
+
-
| будет чуть позже
+
-
|
+
-
 
+
-
|}
+
== Успеваемость ==
== Успеваемость ==
-
 
-
{{notice|
 
-
'''Внимание!!!'''
 
-
Все эти баллы недействительны
 
-
до объявления на следующей лекции!!!
 
-
}}
 
-
 
-
 
-
{|class = "standard sortable"
 
-
! № п/п !! Студент !! тест !! покупки (1) !! покупки (2) !! визуализация !! кр Python !! кр ФК !! Сбербанк
 
-
|-
 
-
| align="center"|1 || Амелин Владислав Владимирович || 19 || + || +0 <br> report|| vis+/+ +2 || -6 || -10 || + ||
 
-
|-
 
-
| align="center"|2 || Андрейцев Антон Игоревич || 13 || - || -6 <br> report|| vis+/+ || -8 || 0 +5 || + ||
 
-
|-
 
-
| align="center"|3 || Викулин Всеволод Александрович || 28 || + || +3 <br> report || vis+/+ +2 || -5 || -6 || +5 (result) ||
 
-
|-
 
-
| align="center"|4 || Вихрева Мария Викторовна || Н || - || -5 <br> || vis+/+ +5(good) || -10н || -10н || + ||
 
-
|-
 
-
| align="center"|5 || Гетоева Аида Артуровна || 11 || + || +0 <br> report || vis+/+ +2 +5(good) || -2 || -7 || + ||
 
-
|-
 
-
| align="center"|6 || Журавлёв Вадим Игоревич || 19 || + || +3 <br> report || vis+/+ +2 || -3 || -9 || + ||
 
-
|-
 
-
| align="center"|7 || Иванов Олег Юрьевич || 32 || + || +5 <br> || vis+/+ -3 || -2 || -1 ||
 
-
|-
 
-
| align="center"|8 || Камалов Руслан Рамилевич || 11 || + || +0 <br> || vis+/+ -2 || -3 || -8 || + ||
 
-
|-
 
-
| align="center"|9 || Кудрявцев Георгий Алексеевич || 25 || + || -1 <br> report || vis+/+ -2 || out
 
-
|-
 
-
| align="center"|10 || Оспанов Аят Махатович || 17 || + || +0 <br> report || vis+/+ || -6 || -8 || + ||
 
-
|-
 
-
| align="center"|11 || Попов Николай Олегович || 10 || + || +0 <br> || vis+/+ -2 || -2 || -2 || +5 (result) ||
 
-
|-
 
-
| align="center"|12 || Романов Никита Алексеевич || 8 || + || +0 <br> report|| vis+/+ +5(good) || -2 || -10 || + ||
 
-
|-
 
-
| align="center"|13 || Рысьмятова Анастасия Александровна || 37 || + || +10 (1st) <br> report|| vis+/+ +2 +10(best) || -4 || -7 || +5 (result) ||
 
-
|-
 
-
| align="center"|14 || Садекова Таснима || 10 || + || +0 <br> || vis+/+ || -7 || -7 || + ||
 
-
|-
 
-
| align="center"|15 || Скробот Дмитрий Владиславович || Н || - || -10 || -5 -10 || -9 || -10 ||
 
-
|-
 
-
| align="center"|16 || Стёпина Александра Михайловна || 18 || + || -3 <br> || vis+/+ || -6 || -6 || + ||
 
-
|-
 
-
| align="center"|17 || Тлеубаев Адиль Талгатович || 16 || + || +0 <br> || vis+/+ || -8 || -9 || + ||
 
-
|-
 
-
| align="center"|18 || Чиркова Надежда Александровна || 24 || + || +0 <br> report || vis+/+ || -3 || -2 || +5 (report) ||
 
-
|-
 
-
| align="center"|19 || Шаповалов Никита Анатольевич || 39 || + || +0 <br> report || vis+/+ +2 || 0 + 10 + 2д || 0 + 5 || +5 (result) ||
 
-
|-
 
-
| align="center"|-- || Даулбаев Талгат Кайратулы|| 30 || + || +0 <br> || vis+/+ +2 || -4 || -5 ||
 
-
|-
 
-
| align="center"|-- || Гёри Алексей (Германия)|| Н || + || +5 <br> report|| vis+/+ || -9 || -9 || + ||
 
-
|-
 
-
| align="center"|-- || Теплов Алексей (НИВЦ)|| Н ||
 
-
|-
 
-
| align="center"|-- || Чабаненко Владислав Дмитриевич || 28 || + ||
 
-
|-
 
-
|}
 
== Литература ==
== Литература ==
-
Указана локально - в сетке расписания.
+
Указана локально - в слайдах / сетке расписания.
== История ==
== История ==
Программы прошлых лет см. здесь:
Программы прошлых лет см. здесь:
 +
* [[Прикладные задачи анализа данных (курс на ВМК 2018 года)]]
 +
* [[Прикладные задачи анализа данных (курс на ВМК 2017 года)]]
 +
* [[Прикладные задачи анализа данных (курс на ВМК 2016 года)]]
* [[Алгоритмы, модели, алгебры (курс на ВМК 2015 года)]]
* [[Алгоритмы, модели, алгебры (курс на ВМК 2015 года)]]
* [[Алгоритмы, модели, алгебры (курс на ВМК до 2015 года)]]
* [[Алгоритмы, модели, алгебры (курс на ВМК до 2015 года)]]

Текущая версия

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 — 36 часов, семинаров - 36 часов.
  • Экзамен.
  • За курс отвечает кафедра Математических методов прогнозирования.
  • Автор программы: профессор А. Г. Дьяконов.



Как будет проходить 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

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). Перечень заданий для допуска определяется персонально с учётом заданий, сданных во время семестра.


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)


  • 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 языке Python.

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 (базовая) оценка формируется следующим образом:

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

Содержание курса

В этом году все материалы выкладываются здесь: https://github.com/Dyakonov/PZAD.

Успеваемость

Литература

Указана локально - в слайдах / сетке расписания.

История

Программы прошлых лет см. здесь:

Личные инструменты