imported>F d rose: Новая страница: «== О курсе == left Курс читается для студентов 3-го курса [https://cs.hse.ru/…»

2024-01-19T17:48:02Z

Новая страница: «== О курсе == 280px|borderless|left Курс читается для студентов 3-го курса [https://cs.hse.ru/…»

Новая страница

== О курсе ==

[[Файл:ML_surfaces.png|280px|borderless|left]]

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3-4 модулях.

Проводится с 2016 года.

'''Лектор:''' [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич]

Лекции проходят по пятницам, 11:10 - 12:30, в [https://us06web.zoom.us/j/87309155639?pwd=SUlEQWNaRE1VdVBaeW5Zd0RVekxDdz09 zoom].

=== Полезные ссылки ===

[https://www.hse.ru/edu/courses/646485502 Карточка курса и программа]

[https://github.com/esokolov/ml-course-hse Репозиторий с материалами на GitHub]

Почта для сдачи домашних заданий (на самом деле задания сдаются в AnyTask, но если он не работает, то присылайте на почту): hse.cs.ml+<номер группы>@gmail.com (например, hse.cs.ml+161@gmail.com)

Канал в telegram для объявлений: https://t.me/+nw_2X9UCUGNhMWVi

Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/+3BLmxzv63VM0OGMy

Ссылка на курс в Anytask: https://anytask.org/course/1018

[https://docs.google.com/spreadsheets/d/1Z-9POgE6dTwtw5lLWf4PmHLux116zh4LCnpk-o0MKhE/edit?usp=sharing Таблица с оценками]

Плейлист с записями занятий: https://www.youtube.com/playlist?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7

Оставить отзыв на курс: [https://goo.gl/forms/5CddG0gc75VZvqi52 форма]

'''Вопросы''' по курсу можно задавать на почту курса, а также в телеграм лектору (esokolov@) или семинаристу.
Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде [https://github.com/esokolov/ml-course-hse/issues Issue] в [https://github.com/esokolov/ml-course-hse github-репозитории курса].

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент
|-
| 201 (МОП) || [https://www.hse.ru/org/persons/208533329 Шабалин Александр Михайлович] || [https://t.me/artempris Артем Присяжнюк], [https://t.me/ipomeya31 Александр Плахин]
|-
| 202 (МОП) || [http://www.hse.ru/staff/esokolov Соколов Евгений Андреевич] || [https://t.me/fdrose Максим Абрахам], [https://t.me/exmohito Антон Макаров]
|-
| 203 (МОП) || [https://www.hse.ru/org/persons/208488544 Биршерт Алексей Дмитриевич] || [https://t.me/treaptofun Антон Барышников]
|-
| Курс по выбору для ПМИ || [https://www.hse.ru/org/persons/225560347 Морозов Никита Витальевич] || [https://t.me/leksious Алексей Панков]
|-
| Межампус || [https://www.hse.ru/org/persons/218009880 Ульянкин Филипп] [https://t.me/ppilif @ppilif] || [https://t.me/markusikk Марк Столяров]
|-
|}

=== Правила выставления оценок ===

В курсе предусмотрено несколько форм контроля знания:
* Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций
* Практические домашние работы на Python
* Устный коллоквиум
* Письменный экзамен

Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

Итог = Округление(0.4 * ДЗ + 0.2 * К + 0.1 * ПР + 0.3 * Э)

ПР — средняя оценка за самостоятельные работы на семинарах

ДЗ — средняя оценка за практические домашние работы на Python

К — оценка за коллоквиум

Э — оценка за экзамен

Округление арифметическое.

=== Правила сдачи заданий ===

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

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 пропущенную проверочную можно написать позднее, а 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.

== Лекции ==

Ко всем конспектам на GitHub есть исходники. Исправления и дополнения всячески приветствуются!

'''Лекция 1''' (21 января). Ядровые методы [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/lecture-notes/lecture13-kernels.pdf Конспект]] [[https://youtu.be/GRvvysTnOSo?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7 Запись лекции]]

'''Лекция 2''' (28 января). Ядровой метод опорных векторов. Аппроксимация ядер. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/lecture-notes/lecture14-kernels.pdf Конспект]] [[https://youtu.be/o-8u49U1P1g?list=PLEwK9wdS5g0rbvMi2j_WhZiJX2xyXMIu7 Запись лекции]]

'''Лекция 3''' (3 февраля). ЕМ-алгоритм. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture15-em.pdf Конспект]] [[https://youtu.be/Y4FE8FJMEow Запись лекции]]

'''Лекция 4''' (10 февраля). ЕМ-алгоритм. Одноклассовая классификация. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture16-anomaly.pdf Конспект]] [[https://youtu.be/AUJKDrBG3u8 Запись лекции]]

'''Лекция 5''' (17 февраля). Одноклассовая классификация. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture16-anomaly.pdf Конспект]] [[https://youtu.be/bULsgPAyqZ8 Запись лекции]]

'''Лекция 6''' (5 марта). Поиск аномалий. Спектральная кластеризация. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture17-clusterization.pdf Конспект]] [[https://youtu.be/4CJUXlfFcM4 Запись лекции]]

'''Лекция 7''' (10 марта). Кластеризация. Тематическое моделирование. [[https://youtu.be/wPI6HZzBtwk Запись лекции]] [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture18-topicmodels.pdf Конспект]]

'''Лекция 8''' (17 марта). Метрические методы. [[https://youtu.be/W5JlB52fVKY Запись лекции]] [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture20-knn.pdf Конспект]]

'''Лекция 9''' (26 марта). Быстрый поиск ближайших соседей. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture20-knn.pdf Конспект]] [[https://youtu.be/pbwXJfmy0bA Запись лекции]]

'''Лекция 10''' (8 апреля). Быстрый поиск ближайших соседей. [[https://youtu.be/p9NvdUVbcbk Запись лекции]]

'''Лекция 11''' (14 апреля). Обучение ранжированию. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture22-ranking.pdf Конспект]] [[https://youtu.be/rtQkkrIbXU0 Запись лекции]]

'''Лекция 12''' (21 апреля). Обучение ранжированию. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture22-ranking.pdf Конспект]] [[https://youtu.be/LTwnU0LPl2k Запись лекции]]

'''Лекция 13''' (28 апреля). Рекомендательные системы. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture23-recommender.pdf Конспект]] [[https://youtu.be/Z9uXcmXSe7U Запись лекции]]

'''Лекция 14''' (12 мая). Рекомендательные системы. [[https://github.com/esokolov/ml-course-hse/blob/master/2020-spring/lecture-notes/lecture24-recommender.pdf Конспект]] [[https://youtu.be/fvyjo8q1KZc Запись лекции]]

== Семинары ==
'''Семинар 1'''. Задачи условной оптимизации и теорема Куна-Таккера. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem13-kkt.pdf Конспект]] [[https://youtu.be/e3SMw1AnwEE Видео]]

'''Семинар 2'''. Задачи на построение ядер. Задачи на прямую и двойственную формулировки метода опорных векторов. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem14-kernels.pdf Конспект]] [[https://youtu.be/lhCg0nf9a-o Видео-1]] [[https://youtu.be/J8-vGCBAzmQ Видео-2]]

'''Семинар 3'''. EM-алгоритм. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem15-em.pdf Конспект]]. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem15-em.ipynb Ноутбук с применением алгоритма]] [[https://youtu.be/aaIQAEBHMv0 Видео-1]] [[https://youtu.be/QPB5B02Zuso Видео-2]]

'''Семинар 4'''. Байесовские методы машинного обучения. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem16-bayes.pdf Конспект]][[https://youtu.be/zxZKUoWqSJ4 Видео]]

'''Семинар 5'''. Машинное обучение на графах. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem17-graph.pdf Конспект]]. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem17-graph.ipynb Ноутбук с примерами методов]] [[https://youtu.be/k0lskvo45dI Видео]]

'''Семинар 6'''. Кластеризация на графах. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem18-graph-clustering.pdf Конспект]] [[https://youtu.be/y_a2DVsYM_o Видео]]

'''Семинар 7'''. kNN. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem19-knn.pdf Конспект]]. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem19-knn.ipynb Ноутбук с примерами]] [[https://youtu.be/kY7lE-u76fg Видео]]

'''Семинар 8'''. Обучение метрик. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem20-metric-learning.pdf Конспект]] [[https://youtu.be/TCXcprImDbU Видео]]

'''Семинар 9'''. Multi-label классификация. [[https://github.com/esokolov/ml-course-hse/blob/master/2021-spring/seminars/sem21-multilabel.pdf Конспект]] [[https://youtu.be/TCXcprImDbU Видео]]

== Теоретические задания ==

[https://github.com/esokolov/ml-course-hse/tree/master/2022-spring/homeworks-theory Теоретические ДЗ] не проверяются, но задачи из них могут войти в проверочные работы на семинарах.

== Практические задания ==

'''Задание 8.''' Метод опорных векторов и аппроксимация ядер

Мягкий дедлайн: 20.02.2023 23:59.

Жесткий дедлайн: 26.02.2023 23:59.

[[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-08-random-features.ipynb Ноутбук с заданием]]

'''Задание 9.''' EM-алгоритм

Мягкий дедлайн: 18.03.2022 23:59.

Жесткий дедлайн: 25.03.2022 23:59.

[[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-09-em/homework-practice-09-em.ipynb Ноутбук с заданием]]

'''Задание 10.''' Обучение без учителя

Мягкий дедлайн: 24.04.2022 23:59.

Жесткий дедлайн: 30.04.2022 23:59.

[[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-10-unsupervised.ipynb Ноутбук с заданием]]

'''Задание 11.''' Метрик лернинг

Мягкий дедлайн: 12.05.2023 23:59.

Жёсткий дедлайн: 17.05.2023 23:59.

[[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-11-metric-learning/homework-practice-11-metric-learning.ipynb Ноутбук с заданием]]

'''Задание 12.''' Рекомендательные системы

Мягкий дедлайн: 03.06.2023 23:59.

Жёсткий дедлайн: 08.06.2023 23:59.

[[https://github.com/esokolov/ml-course-hse/blob/master/2022-spring/homeworks-practice/homework-practice-13-recommendations/homework-practice-13-recommendations.ipynb Ноутбук с заданием]]

== Проект ==

Одной из форм контроля является проект. Результатом выполнения проекта должен быть отчёт, содержащий в себе:
* Описание задачи
* Описание методов
* Описание данных, на которых проводились эксперименты
* Подробное описание экспериментов и результатов
* Анализ результатов и выводы

Не нужно писать формальный текст — будет здорово, если у вас получится интересная и доступная обзорная статья.

За проект можно получить до 5 бонусных баллов. Если получится совсем потрясающе — то и до 10 баллов.

Темы проектов: '''будут объявлены позже'''

Можно предлагать свои темы — их нужно вписать в ту же табличку. Такие темы нужно согласовать с лектором.

По умолчанию каждую тему может взять одна команда из 2-3 студентов. По согласованию с лектором одну тему может взять несколько команд.

Дедлайн сдачи отчёта и кода: 13 июня 23:59.

== Коллоквиум ==

На каждого студента отводится 20 минут. За это время он должен ответить на 3 вопроса из теоретического минимума и решить задачу. Каждый вопрос из теоретического минимума "стоит" 7/3 балла, задача — 3 балла. Время на подготовку не предусмотрено.

[https://docs.google.com/document/d/1lpJwKyjJdFFy0dgfq3_JlK395wjLeC8lBGicCRzqwE8/edit Вопросы для подготовки]

== Экзамен ==

[https://docs.google.com/document/d/1f163jwJRC8sP5XFwd0BGUn2wNUTY3R8xtamEVEjqNfc/edit?usp=sharing Вопросы для подготовки]

== Полезные материалы ==
===Книги===
* Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009.
* Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006.
* Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012.
* Murphy K. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
* Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
* Willi Richert, Luis Pedro Coelho. Building Machine Learning Systems with Python. Packt Publishing, 2013.

===Курсы по машинному обучению и анализу данных===
* [http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_%28курс_лекций%2C_К.В.Воронцов%29 Курс по машинному обучению К.В. Воронцова]
* [https://yandexdataschool.ru/edu-process/courses/machine-learning Видеозаписи лекций курса Школы Анализа Данных, К.В. Воронцов]
* [https://www.coursera.org/specializations/machine-learning-from-statistics-to-neural-networks Coursera: Машинное обучение от статистики до нейросетей (специализация)]
* [https://www.coursera.org/specializations/machine-learning-data-analysis Coursera: Машинное обучение и анализ данных (специализация)]
* [https://www.coursera.org/learn/introduction-machine-learning Coursera: Введение в машинное обучение, К.В. Воронцов]

== Страницы предыдущих лет ==

[[Машинное_обучение_2/2021_2022 | 2021/2022 учебный год]]

[[Машинное_обучение_2/2020_2021 | 2020/2021 учебный год]]

[[Машинное_обучение_2/2019_2020 | 2019/2020 учебный год]]

[[Машинное_обучение_2/2018_2019 | 2018/2019 учебный год]]

[[Машинное_обучение_2/2017_2018 | 2017/2018 учебный год]]

[[Машинное_обучение_2/2016_2017 | 2016/2017 учебный год]]

Машинное обучение 2/2022 2023 - История изменений

imported>F d rose: Новая страница: «== О курсе == left Курс читается для студентов 3-го курса [https://cs.hse.ru/…»