Просмотр кода страницы Машинное обучение 22/23 Матфак

== О курсе ==

Курс читается для студентов матфака в 3-4 модулях. В курсе 16 лекций и 16 семинаров.

* Оценка за курс считается по формуле: '''0.4 * Домашнее задание + 0.2 * Коллоквиум + 0.15 * Работа на семинаре + 0.25 * Экзамен
'''
* Топ-20% студентов с наибольшим накопленным баллом могут получить накопленный балл (переведенный в 10-балльную шкалу домножением на 4/3) автоматом.

* В курсе планируется 6 домашних заданий и 1 бонусное (командный проект). 



'''Лектор:''' [https://www.hse.ru/org/persons/211268525 Кантонистова Елена Олеговна]

'''Семинарист:''' Некрашевич Максим Викторович

Лекции проходят '''онлайн по средам в 13:00''' в [https://us06web.zoom.us/j/81871234523?pwd=VThKYWNEOHB4NHlFdVR0Vi9aWHA3QT09 zoom].

=== Полезные ссылки ===

[https://github.com/Murcha1990/ML_math_2022 Репозиторий с материалами на GitHub]

[https://www.youtube.com/playlist?list=PLEwK9wdS5g0pq6FkCQ5P4VhHd3u1_PIKq Записи занятий]

[https://t.me/+8UCIRw_TnTIxMjky Канал в telegram для объявлений]

[https://docs.google.com/spreadsheets/d/1s9_Q4lcQVorvYeyDGr7bgXDH45qPikWD1RMbDYrFtPs/edit?usp=sharing Таблица с оценками]

[https://anytask.org/course/1002 Anytask для сдачи домашних заданий]

== Лекции ==

1. Введение в машинное обучение.

2. Задача регрессии. Линейная регрессия.

3. Градиентный спуск и его модификации. Метрики качества регрессии.

== Семинары ==


== Коллоквиум ==

Коллоквиум будет проходить в сессию 3 модуля, в письменной форме. О подробностях сообщим позже.


== Экзамен ==

Экзамен пройдёт 24 мая в 13:00. Для студентов, которые по объективным и подтверждённым причинам не могут писать экзамен в основной день организуем резервное время.

Экзамен будет состоять из 3-х частей:

Части A (тестовая с вариантами ответа) на 2.5 балла с 16-ю заданиями равного веса

Части B (задачи без вариантов ответа) на 3.5 балла с 6-ю заданиями равного веса

Части C (работа с набором данных) на 4 балла с заданиями индивидуального веса


Пройдет экзамен на платформе online.hse.ru, на его выполнение будет дано 100 мин. 


Шкала перевода первичных баллов за тест в оценку за экзамен:


[6; 10] -> 10 баллов

[5.4; 6.0) - 9

[4.8; 5.4) - 8

[4.2; 4.8) - 7

[3.6; 4.2) - 6

[3; 3.6) - 5

[2.4; 3) - 4

[0; 2.4) - неуд.

По усмотрению преподавателей курса критерии перевода баллов могут быть смягчены после оценки общего результата по всем студентам


Обращаем ваше внимание на то, что в тесте могут быть вопросы, не изучавшиеся в рамках курса. Это компенсируется тем, что для получения максимальной оценки можно выполнить далеко не все задания (таким образом, если вы не можете решить что-то по программе настоящего курса, у вас есть возможность "отыграться" за счёт внепрограммных вопросов).

Во время написания экзамена можно пользоваться всеми материалами курса, а также средой программирования на Python (рекомендуем подготовить её перед экзаменом, чтобы не терять время).

==Полезные материалы==

* [https://stepik.org/a/125501 Курс на Stepik "Практический ML" (за промокодом обращайтесь к преподавателям)]
* [https://hastie.su.domains/Papers/ESLII.pdf Hastie, Tibshirani "The elements of statistical learning"]