imported>Esokolov: /* Правила выставления оценок */

2019-11-04T15:37:00Z

Правила выставления оценок

Новая страница

== О курсе ==

Курс читается для студентов 3-го курса [https://electives.hse.ru/minor_intel/ майнора ИАД] в 1-2 модулях.

Проводится с 2015 года.

Курс проводится в blended-формате без очных лекций.

Организационные вопросы можно задавать [http://www.hse.ru/staff/esokolov Соколову Евгению Андреевичу]

Занятия проходят по четвергам на Покровском бульваре, 11.

=== Полезные ссылки ===

[https://www.hse.ru/ba/ami/courses/292743107.html Карточка курса и программа]

Репозиторий с материалами: https://github.com/hse-ds/iad-deep-learning

Домашние задание сдаются в Anytask: https://anytask.org/course/570

Канал в telegram для объявлений: https://telegram.me/hse_minor_intro_dm_2019

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/joinchat/A5rlQBSn7ROATFOWGlzRwg

[https://docs.google.com/spreadsheets/d/14YAN0sQYC14w_9XCf63NYm-1pNTpFLxdX6soF-psSq0/edit?usp=sharing Таблица с оценками]

Оставить отзыв на курс: [http://goo.gl/forms/RwdMxnChST форма]

'''Вопросы''' по курсу можно задавать в телеграм куратору курса (esokolov@), семинаристу, в чатах групп или в issues на [https://github.com/hse-ds/iad-deep-learning гитхабе].

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент || Инвайт в anytask
|-
| ИАД-1 || [https://t.me/nbagiyan Багиян Нерсес Карленович] || Мария Головина || LNG31El
|-
| ИАД-2 || Абакумова Ольга Витальевна || Даниил Гонтарь || TYoAcIh
|-
| ИАД-3 || Анвардинов Шариф Ринатович || Глеб Бобровских || T6OD7dR
|-
| ИАД-4 || Хайдуров Руслан Александрович || Пётр Жижин || xa50QxO
|-
| ИАД-5 || Фоменко Мария Михайловна || Эдуард Тульчинский || PlogjcE
|-
|}

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с онлайн-курсов и семинаров
* Практические домашние работы на Python
* Контрольная где-то в середине курса
* Письменный экзамен

Также в рамках курса студенты могут изучить онлайн-курс How to Win a Data Science Competition. За его успешное прохождение будет выставлено 10 бонусных баллов, которые можно прибавить к оценке за любое из домашних заданий или за любую проверочную работу. Чтобы получить эти баллы, курс надо сдать до 18 декабря включительно.

Итоговая оценка вычисляется по формуле:

Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за проверочные работы на семинарах

КР — оценка за контрольную работу

Э — оценка за экзамен

=== Правила сдачи заданий ===

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

При наличии уважительной причины дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

==Онлайн-курсы==

Дисциплина сопровождается двумя онлайн-курсами: [https://www.coursera.org/learn/intro-to-deep-learning Introduction to Deep learning] и [https://www.coursera.org/learn/competitive-data-science How to Win a Data Science Competition].

Курс Introduction to Deep learning не нужно проходить полностью — требуется лишь смотреть видео из него. Мы будем сообщать, к какому моменту что надо посмотреть.

Курс How to Win a Data Science Competition нужно полностью сдать на Coursera. Оценка за него войдёт в итоговую оценку.

==Семинары==

'''Семинар 1''' (12 сентября). Градиентный спуск. SGD, Momentum, AdaGrad, RMSProp, Adam. [[https://github.com/hse-ds/iad-deep-learning/blob/master/01_gradient_descent.ipynb Ноутбук]]

'''Семинар 2''' (19 сентября). Знакомство с TensorFlow. Первая нейронная сеть. [[https://github.com/hse-ds/iad-deep-learning/blob/master/02%20tensorflow.ipynb Ноутбук]]

'''Семинар 3''' (26 сентября). Backpropagation. Part 1. [[https://github.com/hse-ds/iad-deep-learning/blob/master/sem3/3_backprop.ipynb Ноутбук]]

'''Семинар 4''' (3 октября). Backpropagation. Part 2. [[https://github.com/hse-ds/iad-deep-learning/blob/master/sem3/3_backprop.ipynb Ноутбук]]

'''Семинар 5''' (10 октября). Свёрточные нейросети. Part 1 -- Intro. [[https://github.com/hse-ds/iad-deep-learning/blob/master/4_cnn.ipynb Ноутбук]]

'''Семинар 6''' (17 октября). Свёрточные нейросети. Part 2 -- Model zoo. [[https://github.com/hse-ds/iad-deep-learning/blob/master/sem5/05_finetuning.ipynb Ноутбук]]

'''Семинар 7''' (31 октября). Свёрточные нейросети. Part 3 -- Training Tricks. [[TBA]]

== Практические задания ==
Домашние задания выкладываются в [https://github.com/hse-ds/iad-deep-learning репозиторий курса]. За каждый день просрочки мягкого дедлайна снимается один балл. После жёсткого дедлайна задания не принимаются.

'''Домашнее задание 1'''

[https://github.com/hse-ds/iad-deep-learning/blob/master/hw1/hw1.ipynb Ноутбук]

Мягкий дедлайн — 23 сентября, 03:59. Жёсткий дедлайн — 25 сентября, 23:59.

'''Домашнее задание 2'''

[https://github.com/hse-ds/iad-deep-learning/blob/master/hw2/hw2_tensorflow.ipynb Ноутбук]

Мягкий дедлайн — 7 октября 03:59. Жёсткий дедлайн — 10 октября, 23:59.

'''Домашнее задание 3'''

[https://github.com/hse-ds/iad-deep-learning/blob/master/hw3/hw3.ipynb Ноутбук]

Мягкий дедлайн — 3 ноября 03:59. Жёсткий дедлайн — 5 ноября, 23:59.

== Контрольная работа ==

== Экзамен ==

[[Category:Майнор "Интеллектуальный анализ данных"]]

Майнор Интеллектуальный анализ данных/Современные методы машинного обучения - История изменений

imported>Esokolov: /* Правила выставления оценок */