imported>Ekononova: Migrated current public revision from wiki.cs.hse.ru

2026-01-26T13:40:22Z

Migrated current public revision from wiki.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/81604404096?pwd=IGi4kajXIPv6ymwxD6j2CPiWN7Kads.1 Zoom].

=== Полезные ссылки ===

[https://www.hse.ru/ba/ami/courses/1048904115.html Карточка курса и программа]

[https://github.com/esokolov/ml-course-hse/tree/master/ml2-2026-spring/lecture-notes Материалы]

[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/+fQXk5j3UAjdiZGZi

Чат в telegram для обсуждений (предназначение чата до конца не ясно, вопросы может быть правильнее задавать в чатах групп): https://t.me/+GvIPXSiB1MtiNjVi

Ссылка на курс в Anytask:

[Таблица с оценками]

[https://disk.yandex.ru/d/UjQSpG7LpyeLHQ Плейлист с записями занятий]

Оставить отзыв на курс:

'''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
|-
| БПМИ231 (МОП) || [https://t.me/esokolov Соколов Евгений] || [https://t.me/dasssshhkk Мамонтова Дарья], [https://t.me/ninakrivulets Кривулец Нина]
|-
| БПМИ232 (МОП) || [https://t.me/madn_boi Морозов Никита] || [https://t.me/KarAnny Карпова Анна], [https://t.me/sodeniZz Матвеев Денис]
|-
| БПМИ233 (МОП) || [https://t.me/epbugaev Бугаев Егор] || [https://t.me/kolx0znik Саргсян Нарек], [https://t.me/Sllaavva Юсупов Вячеслав]
|-
| БПМИ234 (МОП) || [https://t.me/allwheelsdrive0 Петров Олег] || [https://t.me/Gaunr07 Гаунов Рустам], [https://t.me/HandleW1thCare Афлятунов Амир]
|-
| БЭАД231 || [https://t.me/ttpo100ajiex Абрамов Александр] || [https://t.me/belotserkovetsa Белоцерковец Анастасия], [https://t.me/liza_bolotnikova Болотникова Елизавета]
|-
| БЭАД232 || [https://t.me/werlord112 Старощук Богдан] || [https://t.me/mirzoyevaa18 Мирзоева Алина], [https://t.me/htutb Уваров Николай]
|-
| ВСН || [https://t.me/ko_orney Томащук Корней] || [https://t.me/polinaryltseva Рыльцева Полина]
|-
| КПВ + КНАД || [https://t.me/Ppilif Ульянкин Филипп] || [https://t.me/nimblesquirrel Замышевская Арина], [https://t.me/ilyhav Веселов Илья], [https://t.me/mbolgov Болгов Михаил]
|}

=== 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.

== Теоретические задания ==

[https://github.com/esokolov/ml-course-hse/tree/master/ml2-2026-spring/homeworks-theory Теоретические ДЗ] не проверяются, но задачи из них могут войти в проверочные работы на семинарах.

== Практические задания ==

[https://github.com/esokolov/ml-course-hse/tree/master/ml2-2026-spring/homeworks-practice/ Репозиторий с ДЗ]

== 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.

[Вопросы для подготовки]

== Экзамен ==

[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_2/2024_2025 | 2024/2025 учебный год]]

[[Машинное_обучение_2/2023_2024 | 2023/2024 учебный год]]

[[Машинное_обучение_2/2022_2023 | 2022/2023 учебный год]]

[[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 2/2025 2026 - История изменений

imported>Ekononova: Migrated current public revision from wiki.cs.hse.ru