imported>Machine: /* 15.06.2017 */

2017-06-21T22:22:11Z

15.06.2017

Новая страница

Материалы курса "Прикладные задачи анализа данных"

Преподаватели: Д. И. Игнатов, Е. Л. Черняк

<big>'''ВНИМАНИЕ!

15.06 лекция не состоится!

В группах ИАД 2, 3, 4 15.06 консультация с 13-30 до 15-00'''
</big>

Домашние задания можно выполнять индивидуально или в группах по два человека. Отчет по домашнему заданию отправляйте по адресу: iad.hse@yandex.ru , тему письма сформатируйте так: ИАД-X ДЗ-Y Name1 Name2, где X – номер группы, Y – номер домашнего задания, а Name1 Name2 - ваши фамилии (или Name1, если вы делаете домашнее задание самостоятельно) .

Дедлайны домашних заданий в списке ниже. Если вы сдаете домашнее задание после дедлайна, то оценка снижается на 10% за каждый день опоздания.

* Дедлайн по 1 домашнему заданию: все группы -- до 23:59 9.02, кроме ИАД-2 -- до 23:59 16.02.

* Дедлайн по 2 домашнему заданию: все группы -- до 23:59 25.02 (внимание, ДЗ обновлено!!!)

* Дедлайн по 3 домашнему заданию: все группы -- до 23:59 9.03

* Дедлайн по 4 домашнему заданию: все группы -- до 23:59 6.04

* Дедлайн по 5 домашнему заданию: все группы -- до 23:59 16.04

* Дедлайн по техническому заданию по проекту: все группы, кроме ИАД-6 -- до 23:59 13.04, ИАД-6 -- до 23:59 20.04

* Дедлайн по отчету проекту: все группы -- до 23:59 14.06

Отчет по ДЗ состоит из трех частей: содержательный отчет, код и данные. Первые две части можно совместить в ipython notebook.

Оценки за домашние задания:
* [https://docs.google.com/spreadsheets/d/106FFifyMheMv-hydxlnsUfWRT_ARJ4e7HT0lrB8fKVw/edit?usp=sharing ДЗ-1]
* [https://docs.google.com/spreadsheets/d/1-PdjLqURNCGConkDpjr2xnJvVNv8CyOZgCuav3wYjG0/edit?usp=sharing ДЗ-2]
* [https://docs.google.com/spreadsheets/d/1rkaJ30qxvQ1tfZ_lUFnkWaq9ic0lUVfRlL86ZvWUgOQ/edit?usp=sharing ДЗ-3]
* [https://docs.google.com/spreadsheets/d/19TNZzu-MQ6K-Ib4rALNCz8V7tQE1Y-PBMRt47lrDHvg/edit?usp=sharing ДЗ-4]
* [https://docs.google.com/spreadsheets/d/1hClNqgiGRU0QrBsR7BN3TzPM5JwAE7qI7XVK1gYNrsk/edit?usp=sharing ДЗ-5]
* [https://docs.google.com/spreadsheets/d/1j0IYcG6-mbpBsDaRehaLgGXzLxzdJkqZlB9fjgTy2qE/edit?usp=sharing оценки за ТЗ]

[https://www.dropbox.com/s/a42xl06dctn3h17/Eng-IndGroupTask_KCh.pdf?dl=0(NEW) Инструкции по выполнению проекта]

Автоматы по курсу: средняя оценка за домашние задания >= 8, оценка за ТЗ = 1, оценка за отчет по проекту >= 8

[https://docs.google.com/spreadsheets/d/1MH4h7iksglbgBxI6UYhb7BcftFlCw7yiyVMsSxBx5h8/edit?usp=sharing Итоговые оценки]

== Материалы занятий ==

=== 19.01.2017 ===
[https://www.dropbox.com/s/93j874c0dcsgik4/Intro.pdf?dl=0 Лекция 1. Введение (upd: формула оценки)]

=== 26.01.2017 ===

[https://www.dropbox.com/s/v4u7nbuiu5qwslv/lecture_aot.pdf?dl=0 Лекция 2. Введение в АОТ. Морфология, методы выделения ключевых слов, синтаксис]

[https://www.dropbox.com/s/qhv50d75a78jcbz/practice1.zip?dl=0 Практическое занятие 1. Тетрадки и данные]

[https://www.dropbox.com/s/rx3yikrrdph3hj0/hw1.pdf?dl=0 Домашнее задание 1. Сравнение стилей]

=== 02.01.2017 ===

[https://www.dropbox.com/sh/v2mpmama3v4dy7e/AAB2phSh8jUtnsUlGN7qztRGa?dl=0 Лекция 3 Векторная модель]

[https://www.dropbox.com/s/x4a55crhvtuflti/2_syntax.pdf?dl=0 | Лекция 4 Синтаксис]

[https://www.dropbox.com/s/inelv0f8a3rptws/2017-02-04-140526.txt?dl=0 Практическое занятие 2. Туториалы и полезные ссылки]

[https://www.dropbox.com/s/rfeigvn4wkao7q8/hw2.pdf?dl=0 (обновление) Домашнее задание 2. Word2vec]

=== 9.02.2017 ===

[https://www.dropbox.com/s/n956lfyalxlw5el/1_class.pdf?dl=0 Лекция 5. Классификация в задачах АОТ]

[https://user.phil.hhu.de/~kallmeyer/MachineLearning/index.html Задания из курса Лауры Каллмайер]

[http://sklearn-crfsuite.readthedocs.io/en/latest/tutorial.html Туториал по CRF Suite]

=== 16.02.2017 ===

[https://www.dropbox.com/s/otnidq7fvly8hwp/hw3_data.zip?dl=0 Данные для Домашнего задания З]

[https://www.dropbox.com/s/clgiw5kcvgz652q/hw3.pdf?dl=0 Домашнее задание 3]

[https://github.com/fchollet/keras-resources Туториалы по keras]

[https://github.com/UKPLab/deeplearning4nlp-tutorial Deep Learning 4 NLP]

[http://www.wildml.com/2015/11/understanding-convolutional-neural-networks-for-nlp/ Understanding CNN for NLP]

[http://colah.github.io/posts/2015-08-Understanding-LSTMs/ Understanding LSTMs]

[https://github.com/oxford-cs-deepnlp-2017 Oxford DL for NLP]

[http://web.stanford.edu/class/cs224n/ Stanford NLP with DL]

[https://www.dropbox.com/s/zwakq221gsglj9k/nn.zip?dl=0 Практическое занятие 3. Нейронные сети]

=== 02.03.2017 ===

[https://www.dropbox.com/s/2ehkwhixi561j99/PatternMiningIntro_Minor2017.pdf?dl=0 Лекция 6. Поиск частых множеств и ассоциативные правила (повторение с примерами прикладных задач)]

=== 16.03.2017 ===

[https://www.dropbox.com/s/f9vf73v1yohs6cz/SeqMining.pdf?dl=0 Лекция 7. Поиск частых последовательностей (Sequence mining)]

(UPD) [https://www.dropbox.com/s/4rhvccd4cofg3ul/HW_FIM_FCA_bach4_2017.pdf?dl=0 Домашнее задание 4]

(UPD) [https://www.dropbox.com/s/a0fkxjputm6397n/HW_SEQ_FCA_bach4_2017.pdf?dl=0 Домашнее задание 5]

=== 23.03.2017 ===

[https://www.dropbox.com/s/cen05xxoze6s5nv/decision_trees_inclass2.ipynb?dl=0 Лабораторная по деревьям решений]

[https://www.dropbox.com/s/hk6r7co0ax05fjo/presentation_muratova.pptx?dl=0 Лекция 8. Майнинг последовательностей для демографических данных]

=== 06.04.2017 ===

[https://www.dropbox.com/s/a5xauz6i3zvh9nm/RecSys_course.pdf?dl=0 Рамочная презентация: введение в рекомендательные системы]

[https://www.dropbox.com/s/2476y3ppddc8vvn/Case%201.%20%D0%A0%D0%B5%D0%BA%D0%BE%D0%BC%D0%B5%D0%BD%D0%B4%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B.ppt?dl=0 Case study 1. Подходы на основе сходства по пользователям и предметам рекомендации для коллаборативной фильтрации. Оценка качества на основе бимодального скользящего контроля.]

[https://www.dropbox.com/s/2vxwzj6z2eqemk5/HW_assignment_1.ipynb?dl=0 Скрипт для работы в классе и первая часть домашнего задания]

=== 13.04.2017 ===

Матричная факторизация в задаче коллаборативной фильтрации (SVD, NMF, BMF). [https://www.dropbox.com/s/a5xauz6i3zvh9nm/RecSys_course.pdf?dl=0 Case-study 2.]

[https://www.dropbox.com/s/aij1ussi8p26on4/SVD%20%26%20NMF.ipynb?dl=0 Скрипт на Питоне для SVD и NMF.]

=== 20.04.2017 ===

Гибридные рекомендательные системы на примере рекомендаций онлайн-радиостанций.

[https://www.dropbox.com/s/87rqmqrk5nz7sxv/Case%203%20Warsaw_FMhostTalk.pptx?dl=0 Case-study 3]

[https://www.dropbox.com/s/5pe2a3lrr6moccw/surprise_test.ipynb?dl=0 Surprise test (пример работы с библиотекой рекомендательных систем в Python)]

=== 27.04.2017 ===

[https://www.dropbox.com/s/72fb17d99ib59h1/spectral%20clustering.pdf?dl=0 Спектральная кластеризация для анализа Интернет-данных]

=== 11.05.2017 ===

[https://www.dropbox.com/sh/y08wuo6p6la1nnn/AAB78OebRnRDsU5M0Jk4_wPCa?dl=0 Лабораторная работа по SNA]

[https://www.dropbox.com/s/jkttqdorrzrb51u/DM09-09-Webmining.pdf?dl=0 Лекция про ссылочное ранжирование]

Материал для самостоятельного чтения:

* [http://www.mmds.org/ Leskovec et al., глава 5 книги и слайды].

* [http://www.dataminingbook.info/pmwiki.php/Main/BookPathUploads?action=downloadman&upname=book-20160121.pdf Zaki & Meira, стр. 104-116 (Web centralities)]

=== 18.05.2017 ===

<s>18.05 лекция перенесена в ауд. 5307, Шаболовка 26</s>

'''ВНИМАНИЕ! Занятия 18 мая ОТМЕНЯЮТСЯ!'''

=== 25.05.2017 ===

[https://www.dropbox.com/s/iiqk2xvm3p37myb/Clustering.pdf?dl=0 Методы кластеризации. DBScan и Mean-Shift (Denclue) ]

=== 01.06.2017 ===

[https://yadi.sk/i/PSgr-h2Z3JipaD Распознавание изображений]

=== 15.06.2017 ===

15.06 лекция не состоится!

В группах ИАД 2, 3, 4 15.06 консультация с 13-30 до 15-00

=== 22.06.2017 ===

Итоговый экзамен в виде защиты проектов и собеседования по курсу.

Адрес: ауд. 3316 Шаболовка ул., д. 26

Команда защищает свой проект перед преподавателем курса предпочтительно со своим ноутбуком.

Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных - История изменений

imported>Machine: /* 15.06.2017 */