https://wikicshse.ru/index.php?action=history&feed=atom&title=%D0%9D%D0%98%D0%A1_%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%B8_%D0%BF%D1%80%D0%B8%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%B8%D1%8F%2F%D0%9F%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5НИС Машинное обучение и приложения/Практическое задание - История изменений2026-06-06T13:58:05ZИстория изменений этой страницы в викиMediaWiki 1.45.3https://wikicshse.ru/index.php?title=%D0%9D%D0%98%D0%A1_%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%B8_%D0%BF%D1%80%D0%B8%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%B8%D1%8F/%D0%9F%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5&diff=1036&oldid=previmported>Sbartunov: Migrated current public revision from wiki.cs.hse.ru2016-01-07T13:20:43Z<p>Migrated current public revision from wiki.cs.hse.ru</p>
<p><b>Новая страница</b></p><div>В рамках данного практического задания студентам необходимо решить задачу распознавания цифр от 0 до 9 на изображениях. Задание проводится на базе платформы Kaggle, отправка решений осуществляется на [https://inclass.kaggle.com/c/cs-hse-ml-15 странице задания].<br />
<br />
Задание решается в командах до 4 человек. Списки команд с указанием ФИО, групп, почтовых адресов и логинов на Kaggle должны быть '''отправлены преподавателям''' до 23:59 21 декабря 2015 г. Данные списки считаются финальными и не могут быть изменены.<br />
<br />
'''Срок выполнения задания''': до <font style="color: red">23:59 16 января 2016 г</font> ('''срок продлен'''). После данного срока решения приниматься не будут.<br />
<br />
'''Срок обнародования тестовой выборки''': 7 января 2016 г. После обнародования тестовой выборки каждой команде необходимо отправить решение с классификацией объектов тестовой выборки. Также после данного срока разрешается использовать неразмеченные данные из валидационной выборки для классификации тестовой выборки. <br />
<br />
==== Форма оценивания ====<br />
Формой оценивания является получение зачета. Необходимые условия получения зачета:<br />
# Предоставить решение задачи классификации, достигающее большего значения точности на '''тестовой''' выборке чем доступное решение (baseline). Точность вычисляется как отношение правильно классифицированных объектов к общему числу объектов.<br />
# Обосновать решение и подготовить отчет о выполненном задании (обязательную структуру отчета см. ниже).<br />
<br />
=== Отчет о выполненном задании ===<br />
Отчет должен содержать подробное обоснование всех принятых решений при подготовке решения, в частности, содержимого отчета должно быть достаточно для воспроизведения всех результатов. <br />
<br />
Обязательные пункты, которые должны в явном виде присутствовать в отчете:<br />
# '''Предобработка данных'''. Выполнялась ли в каком-либо виде предобработка входных данных (как обучающих, так и входящих в валидационную и тестовую выборки)? Были ли разработаны вами новые признаки?<br />
# '''Конечное решение'''. Полное описание конечной процедуры обучения и классификации, достаточное для воспроизведения результатов, а также обоснование всех принятых решений при выборе алгоритмов обучения, конкретных значений гиперпараметров и т.д.<br />
# '''Борьба с переобучением'''. Какие меры были предприняты вами для того, чтобы избежать переобучения?<br />
# '''Использование неразмеченных данных''' (данный пункт отчета является необязательным, если неразмеченные данные не использовались). Как вы использовали доступ к неразмеченной валидационной выборке после открытия полной тестовой выборки?<br />
<br />
=== Состав решения ===<br />
Помимо отправленного решения на сайте Kaggle необходимо также предоставить программную реализацию итогового решения. Реализация должна состоять из единого файла с исходным кодом на языке python (либо единого файла ipython notebook), в результаты выполнения которого в директории с обучающей, валидационной и тестовой выборками создается файл “answer.csv” с ответами для тестовой выборки. В случае, если форматом является ipython notebook, ответы для тестовой выборки должны быть получены путем последовательного выполнения ячеек. Разрешается использовать любые общедоступные библиотеки.<br />
<br />
Программная реализация решения и отчет должны быть отправлены на почту преподавателя до истечения срока выполнения задания. <br />
<br />
Для обучения разрешается использовать только обучающую выборку, а также валидационную после получения доступа к тестовой выборке. Запрещается использовать какие-либо другие данные.<br />
<br />
=== Данные и baseline ===<br />
<br />
Обучающая и валидационная выборки доступны на [https://inclass.kaggle.com/c/cs-hse-ml-15/data странице задания].<br />
Baseline-решение доступно [https://gist.github.com/sbos/0b693abe8259c5ba442d здесь].</div>imported>Sbartunov