https://wikicshse.ru/index.php?action=history&feed=atom&title=LSML_2022%2F2023LSML 2022/2023 - История изменений2026-06-06T13:25:33ZИстория изменений этой страницы в викиMediaWiki 1.45.3https://wikicshse.ru/index.php?title=LSML_2022/2023&diff=445&oldid=previmported>Adkosmos: Migrated current public revision from wiki.cs.hse.ru2023-03-20T23:30:16Z<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 4-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3 модуле. Проводится с 2017 года.<br />
<br />
'''Лектор:''' [https://www.hse.ru/org/persons/175396509 Зимовнов Андрей Вадимович]<br />
<br />
'''Семинарист:''' [https://www.hse.ru/staff/kosmos Космачев Алексей Дмитриевич]<br />
<br />
'''Ассистент''' [https://t.me/team_mur Ваньков Тимур Витальевич]<br />
<br />
Лекции проходят в онлайн-режиме.<br />
<br />
Вычислительные мощности в облаке Yandex.Cloud для курса предоставила компания Яндекс.<br />
<br />
=== Полезные ссылки ===<br />
<br />
Слайды лекций: https://github.com/ZEMUSHKA/lsml_hse_lectures<br />
<br />
Получение доступа к Облаку - https://forms.gle/Kmfio76mPWdzrTan7<br />
<br />
Таблица с оценками: https://docs.google.com/spreadsheets/d/1O-BXjPsw3Fk9VW3lI1Z-qK0YYKtB5o2g57qfuyW_XRA<br />
<br />
Плейлист с записями всех занятий - https://www.youtube.com/watch?v=7amVmvCSrmI&list=PLEwK9wdS5g0qQQBtV4eqrPC9Xiyb2dPjL<br />
<br />
Канал в telegram для объявлений: https://t.me/+K6o3PvxfW9xjYmMy<br />
<br />
Группа в telegram для обсуждения всего: https://t.me/+KVMo9RLY9N5iMGFi<br />
<br />
Репозиторий с материалами семинаров: https://github.com/ADKosm/lsml-2023-public<br />
<br />
Наше облако: https://console.cloud.yandex.ru/cloud/b1gmbu8tiomda9eqotbr<br />
<br />
Ошибки в материалах лекций/семинаров/заданий лучше всего оформлять в виде issue на github.<br />
<br />
Самостоятельные задачи сдаются в Google forms. Для каждого задания своя отдельная ссылка на прием заданий:<br />
<br />
{| class="wikitable"<br />
|-<br />
! Задание !! Ссылка для сдачи !! Ссылка на домашнее задание !! Дата выдачи !! Дедлайн<br />
|-<br />
| Мини домашнее задание 1. || https://forms.gle/xGuyLeA6TcS9QHZ69 || https://bit.ly/3XfKXDf || 10 января || 24 января 23:59<br />
|-<br />
| Мини домашнее задание 2. || https://forms.gle/u8RrUhNuYrmoNZCz5 || https://bit.ly/3iVDb3f || 24 января || 14 февраля 23:59<br />
|-<br />
| Мини домашнее задание 3. || https://forms.gle/MWocwAMPbFVM181D7 || https://bit.ly/3K7rRvT || 14 февраля || 4 марта 23:59<br />
|-<br />
| Мини домашнее задание 4. || https://forms.gle/QQbw66q6oDfS6jJ18 || https://bit.ly/3L2iiyG || 7 марта || 23 марта 23:59<br />
|-<br />
| Основное домашнее задание || https://forms.gle/2LLAZcyh2wJenUKM9 || https://bit.ly/3xjRTEH || 14 февраля || 23 марта 23:59<br />
|-<br />
|}<br />
<br />
== Семинары ==<br />
<br />
Семинары проводятся по вторникам в 18:10 по МСК - https://us06web.zoom.us/j/86855537064<br />
<br />
=== Консультации ===<br />
<br />
Консультации с преподавателями и учебными ассистентами (если иное не оговорено на странице семинаров конкретной группы) по курсу проводятся по предварительной договорённости ввиду невостребованности регулярных консультаций.<br />
<br />
При необходимости, можно писать на почту или в Telegram.<br />
<br />
=== Правила выставления оценок ===<br />
<br />
В курсе предусмотрено несколько форм контроля знания:<br />
* Мини-домашние задания. Дедлайн на сдачу заданий - 2-3 недели (см таблицу).<br />
* Большое домашнее задание (будет выдано ориентировочно на 3 семинаре).<br />
* Дополнительно будет проведено мини-соревнование. За него можно заработать только дополнительные баллы (в основную формулу оценки они не входят).<br />
<br />
Итоговая оценка вычисляется:<br />
<br />
O<sub>итоговая</sub> = 0.125*(O<sub>МДЗ1</sub> + O<sub>МДЗ2</sub> + O<sub>МДЗ3</sub> + O<sub>МДЗ4</sub>) + 0.5*O<sub>ДЗ</sub> [+ 0.1*O<sub>Соревнование</sub>]<br />
<br />
=== Правила сдачи заданий ===<br />
<br />
Важно останавливать\удалять ресурсы, создаваемые в облаке, так как в противном случае финансов может не хватить для выполнения всех заданий. Полезно при этом овладеть навыком сохранения промежуточных данных в облачном хранилище - это позволит максимально быстро выполнять задания с минимальными финансовыми затратами.<br />
<br />
Дедлайны по всем домашним заданиям являются жёсткими, то есть после срока работы не принимаются.<br />
<br />
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.<br />
<br />
== Полезные материалы ==<br />
===Книги===<br />
# Ron Bekkerman, Mikhail Bilenko, John Langford. Scaling up Machine Learning: Parallel and Distributed Approaches, Cambridge University Press, 2011.<br />
# Jure Leskovec, Anand Rajaraman, Jeff Ullman. Mining of Massive Datasets, Cambridge University Press, 2014.<br />
# Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning (Adaptive Computation and Machine Learning series), The MIT Press, 2016.<br />
# Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills. Advanced Analytics with Spark: Patterns for Learning from Data at Scale, O'Reilly Media, 2015.<br />
<br />
===Странички прошлых лет===<br />
http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных</div>imported>Adkosmos