Машинное обучение (семинары, ВМК МГУ)

Материал из MachineLearning.

Перейти к: навигация, поиск

Содержание


Выставление оценки за курс

Оценка за работу в семестре и допуск к экзамену:

  1. На семинарах изучается определенное число тем, по каждой из которых проводится проверочная работа.
  2. Проверочная работа состоит из нескольких задач, за решение каждой из которых дается определенное число баллов. Максимальная сумма баллов, которую можно набрать за проверочную работу, равна пяти.
  3. Если студент набирает за проверочную работу три балла или больше, то считается, что он закрыл соответствующую тему.
  4. Оценка за работу в семестре равна средней оценке за проверочные работы.
  5. Для получения допуска к экзамену необходимо закрыть все темы.
  6. Если у студента на конец семестра есть незакрытые темы, то в день экзамена он решает контрольную работу, в которую входят задачи по всем таким темам. Если студент справляется со всеми задачами, то он получает допуск и сдает экзамен в день первой пересдачи. В противном случае на первой пересдаче ему выдается контрольная, в которую входят задачи, аналогичные не решенным в прошлый раз, и так далее. Когда студент справляется со всеми задачами, ему выставляется три балла за работу в семестре. Более того, оценка за экзамен ограничивается сверху тремя баллами.
  7. В конце семестра будет проведена контрольная работа, на которой будет дана еще одна попытка решить задачи, не решенные на проверочных работах (и, соответственно, закрыть незакрытые темы).
  8. После каждого семинара студентам выдается домашняя работа. Ее выполнение не проверяется, однако задачи из нее могут войти в проверочную работу.

Выставление итоговой оценки:

  1. Оценка за работу в семестре округляется до ближайшего целого числа (.5 округляется вверх).
  2. Итоговая оценка находится по следующей таблице:
Семестр Экзамен Итог
3 3 3
3 4 3
3 5 4
4 3 3
4 4 4
4 5 5
5 3 4
5 4 5
5 5 5

Также для вычисления итоговой оценки можно воспользоваться одной из формул:


mark = min(5, min(sem, exam) + [5 \in \{sem, exam\}])


mark = min(5, max(3, sem + exam - 4))

где sem — оценка за семестр, exam — оценка за экзамен.

Весенний семестр 2013/2014

Расписание занятий

Дата Номер Тема Материалы Д/З
12 февраля Семинар 1 EM-алгоритм:
  • скрытые переменные и смеси распределений
  • EM-алгоритм в общем виде
  • вывод формул для смеси нормальных распределений
  • дивергенция Кульбака-Лейблера, ее свойства
  • обоснование EM-алгоритма

Конспект

Домашнее задание

19 февраля Семинар 2 EM-алгоритм:
  • решение задач на вывод шагов EM-алгоритма

Проверочная работа по EM-алгоритму

26 февраля Семинар 3 Искусственные нейронные сети
  • метод обратного распространения ошибки
  • градиентные методы оптимизации (полный, стохастический, средний стохастический)
  • глубинные нейронный сети (очень кратко)
  • реализация нелинейных поверхностей и функций с помощью нейросетей

Конспект

Домашнее задание

5 марта Семинар 4 Композиционные методы
  • построение композиции с помощью бутсрэппинга, ее средняя ошибка
  • вывод формул для AdaBoost

Проверочная работа по нейросетям

Конспект

Домашнее задание

Оценки

ФИО студента Группа TBA TBA TBA TBA TBA TBA TBA TBA Семестр Экзамен Итоговая оценка
Апишев М. 317
Афанасьев К. 317
Готман М. 317
Дойков Н. 317
Захаров Е. 317
Козлов В. 317
Колмаков Е. 317
Лисяной А. 317
Лукашкина Ю. 317
Ожерельев И. 317
Родоманов А. 317
Сендерович Н. 317
Славнов К. 317
Тюрин А. 317
Хальман М. 317
Хомутов Н. 317
Чистяков А. 317
Шапулин А. 317

Страницы курса прошлых лет

2013-2014 год, осень

2012 год

Личные инструменты