Практикум на ЭВМ (317)/2015-2016

Материал из MachineLearning.

Перейти к: навигация, поиск

Правила сдачи практикума в весеннем семестре 2016

  1. В рамках семестра предполагается три практических задания. Каждое задание оценивается из 5-ти баллов.
  2. За каждый день просрочки при сдаче задания начисляется штраф в размере 0.1 балла в день, но суммарно не более 3-х баллов.
  3. Для получения итоговой оценки 5 необходимо набрать 12 баллов, оценки 4 — 9 баллов и сдать на положительный балл все три задания, оценки 3 — 6 баллов.

Задания 2016 года (весна)

Задание 5. Нейросетевой разреженный автокодировщик

Задание 7. Рекомендательные системы Материалы к заданию

Задание 8. Коды БЧХ

Оценки 2016 года (весна)

ФИО студента Задания Сумма Итоговая оценка
№5 №7 №8
Амир Мирас 4.4 3.7 1.9 10 4
Айсина Роза 4.5 4.5 4.2 13.2 5
Алескин Александр 5.2 4.8 3.1 13.1 5
Белобородов Дмитрий 4.2 3.7 4.2 12.1 5
Бобров Евгений 5 4.2 2.8 12 5
Гарипов Тимур 5.4 4.8 4.4 14.6 5
Драпак Степан 5.1 4.6 3.9 13.6 5
Измаилов Павел 6.4 5 4.2 15.6 5
Илларионова Светлана 1.5 4.6 4.4 10.5 4
Каюмов Эмиль 5.5 5 4.8 15.3 5
Коваленко Павел 6 4.9 4.6 15.5 5
Кузнецов Максим 2.5 3.3 3.2 9 4
Лунин Дмитрий 3.2 3.9 3.7 10.8 4
Никишин Евгений 6.3 3.8 4.4 14.5 5
Николаев Владимир 5.5 5 4.7 15.2 5
Пиджакова Анна 2.5 3.9 4 10.4 4
Полушин Владимир 5 4.2 4.3 13.5 5
Полыковский Даниил 5.5 4 5 14.5 5
Попов Артём 5.6 4 4 13.6 5
Севастопольский Артём 5.3 4.4 3.3 13 5
Таскынов Ануар 5 5 4.6 14.6 5
Шолохова Татьяна 5 4.8 4.6 14.4 5

Занятия 2015 года (осень)

Изучение Python, NumPy

Материалы:

Домашнее задание по первому семинару. Прочитать и понять:

14.09 будет контрольная по языку Python.

Домашнее задание по второму семинару.

Задачи для подготовки к контрольной работе. Некоторые функции, требуемые для решения этих задач, на семинаре не рассматривались, так что пользуйтесь документацией NumPy.

  • При помощи метода Монте-Карло подсчитать значение интеграла функции cos(x^2) в пределах от 0 до 0.5.
  • Подсчитать в векторе x среднее значение, проигнорировав значения inf и nan. Т.е. для x = np.array([1, 2, np.nan]) ответ 1.5
  • В матрице H заменить все значения, которые больше maxH, на maxH, а все значения, которые меньше minH, на minH. Решите задачу двумя способами: с использованием индексации по матрице, и с использованием операций взятия максимума и минимума.

18.09 будет контрольная по NumPy.

Изучение \TeX

Пример tex-файла с семинара

Полезная информация по установке TeXа + ссылки на литературу

Unit-тестирование

Документация по unittest

Пример unit-тестирования с семинара

Презентация по unit-тестированию с примерами под MatLab

Разметка для markdown cell в ipython notebook

Документация по markdown

Пример с семинара

Подготовка презентаций в \LaTeX с помощью пакета beamer

Пример презентации с семинара

Темы для выступления на семинаре 27.10.

Выступление должно сопровождаться презентацией, подготовленной в \LaTeX с помощью пакета beamer.

№ п/п Тема ФИО студента Комментарии
1 Системы контроля версий на примере Subversion Коваленко Павел Презентация (pdf)
2 Системы контроля версий на примере Git Каюмов Эмиль Презентация (pdf)
3 Использование пакета multiprocessing для ускорения вычислений в Python Полыковский Даниил Презентация (pdf)
4 Использование Cython для ускорения вычислений в Python Николаев Владимир Презентация (pdf)
5 Профилирование в Python для ускорения вычислений Лунин Дмитрий Презентация (pdf)
6 Интеграция Python-LaTeX с помощью пакета векторной графики PGF/TikZ Кузнецов Максим Презентация (pdf)
7 ООП в Python Полушин Владимир Презентация (pdf)
8 Сравнительный анализ Python и R Драпак Степан Презентация (pdf)

Темы для выступлений на семинаре 17.11.

Выступление по возможности должно сопровождаться презентацией, подготовленной в \LaTeX с помощью пакета beamer. В исключительных случаях разрешается делать презентацию в IPython notebook или просто использовать IPython notebook вместо презентации.

№ п/п Тема ФИО студента Комментарии
1 Использование Numba для ускорения вычислений в Python Севастопольский Артем Презентация (pdf)
2 Обзор методов классификации/регрессии в scikit-learn (кроме тех, что уже рассматривались в рамках учебных курсов) Никишин Евгений Презентация (pdf)
3 Создание презентаций в IPython notebook Илларионова Светлана IPython Notebook
4 Интерактивные виджеты в IPython notebook Попов Артём Презентация (pdf)
5 Визуализация с помощью VTK/ParaView Алескин Александр Презентация (pdf)
6 Анализ изображений с помощью scikit-image Амир Мирас Презентация (pdf)
7 Анимированная графика в PDF/Latex Таскынов Ануар Презентация (pdf)
8 Анимация и трёхмерная графика в matplotlib Бобров Евгений Презентация(pdf)

ЕМ-алгоритм

Конспект по ЕМ-алгоритму

Задания 2015 года (осень)

Задание 1. Изучение Python, NumPy

Задание 2. Метрические алгоритмы классификации

Задание 3. Метод опорных векторов

Задание 4. Методы восстановления плотности распределения в задаче вычитания фона

Код для визуализации

Оценки 2015 года (осень)

ФИО студента Контрольные Задания Выступление Сумма Итоговая оценка
№1 №2 №1 №2 №3 №4
Амир Мирас 0.6 2 5.3 5.5 4.6 4.3 2 24.3 5
Айсина Роза 0 1.5 5.3 4.8 4.3 2.2 18.1 4
Алескин Александр 1.2 1 5 4.5 4.7 3.9 2 22.3 5
Белобородов Дмитрий 1.2 2 5 4 4.5 2.8 19.5 5
Бобров Евгений 1.6 0.5 4.4 3.8 4.2 3.5 1.5 19.5 5
Гарипов Тимур 1.8 2 5.6 5 5 4.6 24 5
Драпак Степан 0.4 2 3.1 4.9 4.1 3.6 2 20.1 5
Измаилов Павел 1.2 1.7 5.1 4.8 5.3 3.8 21.9 5
Илларионова Светлана 0.6 0.7 4.6 3.6 2 2.3 1.5 15.3 4
Каюмов Эмиль 1.6 2 5.3 5 5.8 2 21.7 5
Коваленко Павел 1.6 2 5.4 5 4.5 4.6 1 24.1 5
Кузнецов Максим 1.6 1.7 3.8 3.1 2.6 1.5 4
Лунин Дмитрий - - 4.6 5.2 3.2 3.1 2 18.1 4
Никишин Евгений 1.2 1 5 4.6 5.3 3.7 1 21.8 5
Николаев Владимир 1.8 2 5.4 5 5.3 4.7 2 26.2 5
Пиджакова Анна 1.4 1.7 4 5 2.3 4.6 19 5
Полушин Владимир 1.6 2 5 4.5 4.5 2 19.6 5
Полыковский Даниил 1.4 2 5.1 4.5 5 2 20 5
Попов Артём 1.4 2 3.7 5 4.3 2.9 2 21.3 5
Севастопольский Артём 1.2 1.5 5.1 4 4.8 4.1 2 22.7 5
Таскынов Ануар 0.6 2 4.2 3.2 3.2 3.5 2 18.7 4
Шолохова Татьяна 0.4 2 5 5 5 5

Правила сдачи практикума на ЭВМ для студентов 317 группы (осень)

  • В течение семестра будет несколько заданий и контрольных работ. Задания оцениваются из 5 баллов, контрольные работы — из 2-х баллов. На выполнение каждого задания студентам отводится определённый срок; за ошибки в выполнении задания и просрочки количество баллов уменьшается.
  • При несдаче задания студент получает за него -10 баллов. При несдаче контрольной работы студент получает за неё 0 баллов.
  • Штраф за просрочку сдачи задания составляет 0.1 балла в день (максимума нет). Обратите внимание, что за сданное задание можно получить отрицательные баллы.
  • Задания выполняются САМОСТОЯТЕЛЬНО, если не оговорено обратное. Если задание выполнялось сообща, или использовались какие-либо сторонние коды и материалы, то об этом должно быть написано в отчете. В противном случае «похожие» решения считаются плагиатом и все задействованные студенты (в том числе те, у кого списали) будут сурово наказаны.
  • При сдаче задания необходим исходный код программы, а также отчёт в формате pdf.
  • При отправке электронных писем преподавателю для уменьшения шансов потери письма и увеличения скорости ответа тема письма должна выглядеть так: [Prak317], <Ваша фамилия>, <Номер задачи>, <Пояснение>
  • Критерии выставления оценок: 19 баллов – «отлично», 12 баллов – «хорошо», 0 баллов – «удовлетворительно».

Требования к отчёту

Отчёт должен быть САМОДОСТАТОЧНЫМ документом в формате PDF. Отчёт должен давать проверяющему ответы на следующие вопросы:

  • К какому курсу относится задание?
  • Какое задание выполнено?
  • Кем выполнено задание?
  • Когда сдано задание?
  • В чём заключалось задание?
  • Что было сделано? Что не было сделано?
  • Даны ли правильные ответы на все теоретические вопросы задания?
  • Проведены ли все необходимые эксперименты? Получены ли осмысленные ВЫВОДЫ?
  • Выполнена ли творческая часть задания?
  • Пользовался ли студент чьей-либо помощью? Если да, то в каком объёме?
  • Какой литературой пользовался студент?

Страницы прошлых лет

2014-2015

2013-2014

2012-2013

2011-2012

Личные инструменты