imported>Mednik: Откат правок Seosky (обсуждение) к версии Denaas

2022-08-26T10:35:19Z

Откат правок Seosky (обсуждение) к версии Denaas

Новая страница

== О курсе ==

В последние годы машинное обучение стало активно применяться в программировании и разработке. В данном курсе студенты узнают и научатся пользоваться базовыми понятиями машинного обучения, некоторыми классическими моделями и нейронными сетями, необходимыми для анализа кода.

<big>'''Преподаватели:'''</big>

Литвинов Денис Владимирович ([https://t.me/denaas Telegram])

== Правила оценивания домашнего задания ==

# Студент заводит приватный репозиторий на github и добавляет туда преподавателя.
# Все домашние задания сдаются в виде jupyter notebook.
# При сдаче работы все клетки в jupyter notebook должны быть выполнены последовательно. Если преподаватель перезапустит jupyter notebook у себя и обнаружит существенные отличия в выводе клеток, или ошибки при исполнении кода, то он может снять баллы за задание.
# При обнаружении списывания работе ставится 0 баллов.

Просьба заполнить [https://docs.google.com/forms/d/e/1FAIpQLSdOn2Orp1aV4oY105I0PUaS3AcQ4jvm5ibyLDDZTA5Rgq6D4w/viewform?usp=sf_link гугл форму] перед сдачей ДЗ

== Правила презентации статьи ==

# Студент подготавливает презентацию c краткой выжимкой статьи и необходимыми графиками
# Студент может пользоваться не только статьей, но и вспомогательными материалами (блоги, github)
# Студент при желании может продемонстрировать результаты своих экспериментов на основе статьи
# Оценка O_доклад ставится взависимости от полноты разбора, собственных изысканий студента, использованных дополнительных материалов, ответов на вопросы аудитории
# Оценка О_активность ставится студенту на основе его вопросов докладчику. Желательно, чтобы вопросы были по материалам статьи или презентации

== Oценки ==

[https://docs.google.com/spreadsheets/d/1qD5fs-cLvtDNSmnjUgNufpguzQ9pXRpDZVbCHtq0rJk/edit?usp=sharing ml4se_grades]

== Содержание учебной дисциплины ==

# Linear models, ML fundamentals
# Distributed representations
# Feed Forward Neural Networks
# CNN, RNN
# Language Modeling
# Transformers
# Transfer learning
# Information Retrieval
# Modern Transformer architectures

<big>'''Материалы курса:'''</big>

[https://www.youtube.com/playlist?list=PLjufDdskD5S6pg9540g04Fj_2yxFLbyrQ videos]

{| class="wikitable"
|-
! дата !! тема !! материалы !! ДЗ !! дедлайн
|-
| 7.09.2021 || Linear models, ML fundamentals I || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_1/ML4SE_1.pdf presentation] || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_1/assignment_1.ipynb assignment_1] || 28.09.2021 23:59
|-
| 21.09.2021 || Linear models, ML fundamentals II || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_2/ML4SE_2.pdf presentation] || ||
|-
| 5.10.2021 || Feed Forward Neural Networks || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_3/ML4SE_3.pdf presentation] || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_3/assignment_2.ipynb assignment_2]|| 8.11.2021 23:59
|-
| 26.10.2021 || Distributed Representations || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_4/ML4SE_4.pdf presentation] || ||
|-
| 9.10.2021 || CNN, RNN || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_5/ML4SE_5.pdf presentation] || ||
|-
| 22.10.2021 || Language Modeling || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_6/ML4SE_6.pdf presentation] || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_6/assignment_3.ipynb assignment_3] || 20.12.2021 23:59
|-
| 12.01.2022 || Seq2Seq. Transformer || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_7/ML4SE_7.pdf presentation] || ||
|-
| 25.01.2022 || Paper Discussion || || ||
|-
| 8.01.2022 || Transfer Learning || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_8/transfer.ipynb notebook] || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_8/assignment_4.ipynb assignment_4] || 01.03.2022 23:59
|-
| 1.03.2022 || Information Retrieval || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_9/retrieval.ipynb notebook] || ||
|-
| 15.03.2022 || Paper Discussion || || [https://github.com/thedenaas/hse_ml4se/blob/main/2021/seminar_10/assignment_5.ipynb assignment_5]|| 28.03.2022 10:00
|-
|}

==Формула оценки==

Результирующая оценка вычисляется по формуле:

О_результирующая = Округление( 0.12 * ДЗ1 + 0.12 * ДЗ2 + 0.12 * ДЗ3 + 0.12 * ДЗ4 +0.12 * ДЗ5 + 0.2 * O_доклад + 0.2 * О_активность)

Формула округления: Стандартное арифметическое округление

==Рекомендованная литература==
# Goodfellow I. Deep Learning. MIT Press, 2016
# Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006

==Рекомендуемая дополнительная литература==
# Hastie, T. The elements of statistical learning : data mining, inference, and prediction. Springer, 2017
# Sheldon A. Linear Algebra Done Right. Springer, 3d edition, 2015. https://linear.axler.net/
# Kamath U. Deep Learning for NLP and Speech Recognition. Springer, 1st edition, 2019
# Schapire. Boosting: Foundations and Algorithms. MIT Press, 2012

ML4SE 1 - История изменений

imported>Mednik: Откат правок Seosky (обсуждение) к версии Denaas