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

2022-08-26T06:36:18Z

Откат правок Seosky (обсуждение) к версии Artonson

Новая страница

Преподаватели: Алексей Артемов, Евгений Егоров 
Контакты: чат курса в телеграмме https://t.me/joinchat/A6_aGBKpCDjEFi7HQDednw

===== Почти наверное план курса =====
{| class="wikitable"
|-
! Тема !! Преподаватель !! Занятия !! Материалы !! Ключи !! Домашняя работа
|-
| Введение в случайные процессы || Евгений || 1, 2 || [https://www.sharelatex.com/read/hhdsmwtspzsv Задачи 1] [https://github.com/artonson/ssp-course-ml/blob/master/2018-spring/lecture-notes/lecture_01_theory_intro.pdf Лекция 1] || Марковский момент, процесс Пуассона, Винеровский процесс || Выдана 29.01, система AnyTask
|-
| Методы обнаружения разладки || Алексей|| 3, 4 || || ||
|-
| Линейные модели: ARIMA, GARCH || Евгений || 5, 6 || || ||
|-
| Нелинейные модели: RNN, LSTM || Алексей || 7, 8 || || ||
|-
| Байесовская фильтрация || Евгений || 9, 10 || || ||
|-
| Large-Scale MCMC || Евгений || 11 || || ||
|}

===== Домашние работы =====
Оценки и обсуждение работ в анитаске, http://anytask.org/course/двести-семьдесят-пять 
'''Инвайт:''' 0LhiZhE 
О способе сдаче каждой домашней работы будет сообщено при её выдаче. 

===== Система оценок =====
Блокирующие условия (суммируются):
* оценка "отлично" может быть получена при условии посещения студентом не менее 60% лекций
* оценка "отлично" может быть получена автоматом при условии "отличной" накопленной оценки и не менее 6 дополнительных баллов

Результирующая оценка по дисциплине рассчитывается по формуле: 
'''O_итог=0.8 * O_ накопл + 0.2 * O_экз''' 
Накопленная и итоговая оценки, участвующие в этой формуле, округляются арифметически. 
Накопленная оценка рассчитывается по формуле: 
'''O_накопл=0.75 * O_дз + 0.25 * O_самост''' 

Оценка за домашние задания рассчитывается как среднее значение оценок за все выданные домашние задания. Оценка за самостоятельную работу рассчитывается как среднее значение оценок за все проверочные работы, проведённые на семинарских занятиях. В конце семестра разрешается переписать все самостоятельные работы, пропущенные по уважительной причине.

Дополнительные баллы выставляются за выполнение дополнительных частей домашних заданий, имеющих повышенную сложность и не участвующих при выставлении накопленной оценки.

== Лекции ==

'''Лекция 1''' (20 января). Введение в теорию случайных процессов. Случайный процесс, его основные характеристики.

[https://www.dropbox.com/s/n1nu2v6q40e25r2/stoch_lecture_notes_one.pdf?dl=0 Конспект лекции и семинара]
[https://github.com/artonson/ssp-course-ml/blob/master/2018-spring/lecture-notes/lecture_01_theory_intro.pdf Расширенный конспект]

'''Лекция 2''' (27 января). Пуассоновский и винеровский процессы. Генерирование реализаций случайных процессов. [https://github.com/artonson/ssp-course-ml/blob/master/2018-spring/lecture-notes/lecture_02_gaussian_poisson.pdf Расширенный конспект]

'''Лекция 3''' (03 февраля). Стохастические задачи о разладке для случайных процессов. Основные статистики в задачах скорейшего обнаружения разладки. [https://github.com/artonson/ssp-course-ml/blob/master/2018-spring/lecture-notes/lecture_03_changepoint.pdf Расширенный конспект] [https://github.com/artonson/ssp-course-ml/blob/master/2018-spring/lecture-slides/lecture_03_changepoint.pdf Слайды]

'''Лекция 4''' (10 февраля). Математические модели аномалий и методы их обнаружения в данных высокой размерности. [https://github.com/artonson/ssp-course-ml/blob/master/2018-spring/lecture-slides/lecture_04_anomaly.pdf Слайды]

'''Лекция 5''' (17 февраля). Линейные гауссовские модели с дискретным временем. Модели авторегрессии-скользящего среднего. [https://github.com/artonson/ssp-course-ml/blob/master/2018-spring/lecture-notes/lecture_05_arima.pdf Расширенный конспект]

'''Лекция 6''' (24 марта). Нелинейные стохастические условно-гауссовские модели [https://github.com/artonson/ssp-course-ml/blob/master/2018-spring/lecture-notes/lecture_06_garch.pdf Расширенный конспект]

''Дополнительные материалы:''

* [https://www.dropbox.com/s/1m3rnhvgcmuz0oi/Dan.Nick-OneClassSVM.pdf?dl=0 Слайды по One-class SVM]
* [https://www.dropbox.com/s/dwtmunydryj4tuy/1723-support-vector-method-for-novelty-detection.pdf?dl=0 Статья про обнаружение аномалий на основе One-class SVM]
* [https://www.dropbox.com/s/43nt0kiesc4ej76/A%20novel%20anomaly%20detection%20scheme%20based%20on%20principal%20component%20classifier.pdf?dl=0 Статья про обнаружение аномалий на основе PCA]
* [https://www.dropbox.com/s/1a38m12v7nh8ess/Anomaly_detection_A_survey.pdf?dl=0 Обзор методов обнаружения аномалий]

== Семинары ==
'''Семинар 2''' (27 января). Генерирование реализаций случайных процессов. [https://github.com/artonson/ssp-course-ml/tree/master/2018-spring/seminars/seminar-02-theory-simulation Ноутбуки для семостоятельного изучения]

'''Семинар 3''' (03 января). Обнаружение разладок временных рядов. [https://github.com/artonson/ssp-course-ml/tree/master/2018-spring/seminars/seminar-03-changepoints Ноутбуки для семостоятельного изучения]

'''Семинар 4''' (10 февраля). Детектирование аномалий многомерных данных. [https://github.com/artonson/ssp-course-ml/tree/master/2018-spring/seminars/seminar-04-anomalies Ноутбуки для семостоятельного изучения]

'''Семинар 5''' (17 февраля). Моделирование временных рядов с помощью моделей ARIMA. [https://github.com/artonson/ssp-course-ml/blob/master/2018-spring/seminars/seminar-05-arima/seminar_05_arima_tsa.ipynb Ноутбук для семостоятельного изучения]

'''Семинар 6''' (24 февраля). Моделирование волатильности доходности на основе модели ARCH/GARCH. [https://github.com/artonson/ssp-course-ml/blob/master/2018-spring/seminars/seminar-06-garch/GARCHModel.ipynb Ноутбук для семостоятельного изучения]

== Экзамен ==
[https://github.com/artonson/ssp-course-ml/blob/master/2018-spring/exam/exam.pdf Список вопросов к экзамену]

Statistics of Stochastic Processes - История изменений

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