https://wikicshse.ru/index.php?action=history&feed=atom&title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%D0%9C%D0%B0%D1%82%D0%A4%D0%B0%D0%BA_23%2F24Машинное обучение МатФак 23/24 - История изменений2026-06-06T14:59:38ZИстория изменений этой страницы в викиMediaWiki 1.45.3https://wikicshse.ru/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%D0%9C%D0%B0%D1%82%D0%A4%D0%B0%D0%BA_23/24&diff=1464&oldid=previmported>Yarolika00: Migrated current public revision from wiki.cs.hse.ru2024-02-02T09:33:21Z<p>Migrated current public revision from wiki.cs.hse.ru</p>
<p><b>Новая страница</b></p><div>== О курсе ==<br />
<br />
Курс читается для студентов матфака в 3-4 модулях. В курсе 16 лекций и 16 семинаров.<br />
<br />
* Оценка за курс считается по формуле: '''0.4 * Домашние задания + 0.1 * Проверочные работы + 0.2 * Контрольная работа + 0.3 * Экзамен<br />
<br />
* Автомат: Итоговая оценка равна накопленной, накопленная оценка считается по формуле: 10/7 * (0.4 * Домашние задания + 0.1 * Проверочные работы + 0.2 * Контрольная работа) Условия автомата: Накопленная оценка >= 5.5, оценка за контрольную работу >= 5.5, не был установлен факт плагиата ни одной работы<br />
<br />
'''Лектор:''' Нарцев Андрей Дмитриевич<br />
<br />
'''Семинаристы:''' Коган Александра Сергеевна (группа 1), Рыжиков Артём Сергеевич (группа 2)<br />
<br />
Лекции проходят '''онлайн по вторникам на шестой паре''' в [zoom].<br />
<br />
=== Полезные ссылки ===<br />
<br />
[https://github.com/andrewnarts/hse-ml/tree/main/math-faculty-intro-ml/2024 Репозиторий с материалами на GitHub]<br />
<br />
[https://disk.yandex.ru/d/T3NmhrM6X_6mfg Записи лекций]<br />
<br />
[https://t.me/+TglJAAxY7cNhNGYy Канал в telegram для объявлений]<br />
<br />
== Лекции ==<br />
<br />
1. Введение в машинное обучение<br />
<br />
2. Введение в машинное обучение. Метод k ближайших соседей<br />
<br />
3. Метод k ближайших соседей. Постановка задачи линейной регрессии.<br />
<br />
== Семинары ==<br />
<br />
1. Эксполаторный анализ<br />
<br />
2. Введение в sklearn. Метод k ближайших соседей.<br />
<br />
3. Линейная регрессия, sklearn.<br />
<br />
== Контрольная работа ==<br />
<br />
<br />
== Экзамен ==</div>imported>Yarolika00