Статистический анализ данных (курс лекций, К.В.Воронцов)/2016, ММП
Материал из MachineLearning.
(Различия между версиями)
м (Новая: = Оценки = {|class = "wide sortable" !| Студент || №1 (0.6) || №2 (0.6) || №3 (1.4) || Рецензирование №3 (0.3) || №4 (1.4) || Рецензирова...) |
м (→Оценки) |
||
| Строка 52: | Строка 52: | ||
* Балл за рецензирование можно получить только при условии сдачи соответствующего задания. | * Балл за рецензирование можно получить только при условии сдачи соответствующего задания. | ||
* Источники дополнительных баллов: | * Источники дополнительных баллов: | ||
| - | + | ** мини-курс «R Programming» (https://www.coursera.org/course/rprog) — 0.5 балла; | |
** мини-курс «Statistical Inference» (https://www.coursera.org/course/statinference) — 0.3 балла; | ** мини-курс «Statistical Inference» (https://www.coursera.org/course/statinference) — 0.3 балла; | ||
** мини-курс «Regression Models» (https://www.coursera.org/course/regmods) — 0.3 балла; | ** мини-курс «Regression Models» (https://www.coursera.org/course/regmods) — 0.3 балла; | ||
| - | |||
** курс «Inference for Structural Nonparametrics» (http://ium.mccme.ru/s16/s16-spokoinyi.html) — 2 балла. | ** курс «Inference for Structural Nonparametrics» (http://ium.mccme.ru/s16/s16-spokoinyi.html) — 2 балла. | ||
* Итоговая оценка по курсу — минимум из суммы баллов за семестр и оценкой на экзамене. Округление делается по стандартным правилам. | * Итоговая оценка по курсу — минимум из суммы баллов за семестр и оценкой на экзамене. Округление делается по стандартным правилам. | ||
Версия 19:22, 14 февраля 2016
Содержание |
Оценки
| Студент | №1 (0.6) | №2 (0.6) | №3 (1.4) | Рецензирование №3 (0.3) | №4 (1.4) | Рецензирование №4 (0.3) | Дополнительно | Сумма за семестр | Оценка |
|---|---|---|---|---|---|---|---|---|---|
| Афанасьев Кирилл | |||||||||
| Вихрева Мария | |||||||||
| Гитман Игорь | |||||||||
| Даулбаев Талгат | |||||||||
| Журавлёв Вадим | |||||||||
| Захаров Егор | |||||||||
| Иванов Олег | |||||||||
| Квасов Андрей | |||||||||
| Кудрявцев Георгий | |||||||||
| Молчанов Дмитрий | |||||||||
| Молчанова Юлия | |||||||||
| Морозов Алексей | |||||||||
| Оспанов Аят | |||||||||
| Панкратов Антон | |||||||||
| Полякова Нина | |||||||||
| Рысьмятова Анастасия | |||||||||
| Стёпина Александра | |||||||||
| Тлеубаев Адиль | |||||||||
| Чабаненко Владислав | |||||||||
| Чиркова Надежда | |||||||||
| Шаповалов Никита |
- Задание считается сданным на момент получения письма с отчётом при условии отсутствия необходимости внесения дополнений и исправлений.
- Штраф за просрочку заданий начисляется из расчёта 0.05 балла за сутки.
- Для допуска к экзамену необходимо сдать как минимум два задания: хотя бы одно из первых двух и хотя бы одно из последних двух.
- Каждое задание выдаётся только по заявке. Если задание выдано, но не решалось, начисляется штраф в размере его стоимости.
- Балл за рецензирование можно получить только при условии сдачи соответствующего задания.
- Источники дополнительных баллов:
- мини-курс «R Programming» (https://www.coursera.org/course/rprog) — 0.5 балла;
- мини-курс «Statistical Inference» (https://www.coursera.org/course/statinference) — 0.3 балла;
- мини-курс «Regression Models» (https://www.coursera.org/course/regmods) — 0.3 балла;
- курс «Inference for Structural Nonparametrics» (http://ium.mccme.ru/s16/s16-spokoinyi.html) — 2 балла.
- Итоговая оценка по курсу — минимум из суммы баллов за семестр и оценкой на экзамене. Округление делается по стандартным правилам.
- Студенты, не набравшие баллов достаточно для получения положительной оценки, к экзамену не допускаются. На каждой следующей итерации сдачи экзамена максимальный балл каждой задачи уменьшается вдвое. При этом можно брать по несколько задач каждого задания, но не больше
, где
— номер итерации сдачи экзамена. Баллы за рецензирование можно получить только на первой итерации.
Задание 1. Исследование свойств одномерных статистических критериев на модельных данных
Задания 2-4. Работа с реальными данными
Требуется подобрать и применить наилучший статистический метод, позволяющий ответить на вопрос прикладной задачи; обосновать выбор метода, его применимость и оптимальность. Помимо выводов, касающихся математических особенностей решения, необходимо в терминах предметной области сформулировать выводы, которые могли бы быть понятны гипотетическому заказчику-нематематику.
Необходимо сдать: Rmd и сгенерированный по нему html/pdf-файл с подробным отчётом по проведённому исследованию, содержащий визуализацию исходных данных, описания и выводы каждого этапа анализа — используемые методы, обоснование их применимости, графики.
По заданиям 3 и 4 отчёт каждого студента рецензируется назначенным одногруппником. Задачей рецензента является проверка корректности выбора метода решения, полноты его применения и понятности изложения. Рецензент получает баллы, если:
- его собственная работа засчитана;
- либо в рецензируемой работе устранены все недостатки и она принимается с первого раза, либо указан полный список недостатков работы, устранить которые не удалось.
Задание 2. Проверка гипотез
Задание 3. Регрессия
Задание 4. Прогнозирование
Ссылки
- psad.homework@gmail.com
- Статистический анализ данных (курс лекций, К.В.Воронцов)
