Алгоритмы, модели, алгебры (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)
Материал из MachineLearning.
(→Успеваемость) |
(→Успеваемость) |
||
(7 промежуточных версий не показаны.) | |||
Строка 34: | Строка 34: | ||
Курс посвящён решению прикладных задач анализа данных. | Курс посвящён решению прикладных задач анализа данных. | ||
Разбираются реальные задачи и бизнес-кейсы. | Разбираются реальные задачи и бизнес-кейсы. | ||
- | Студенты пишут и настраивают алгоритмы на | + | Студенты пишут и настраивают алгоритмы на языке Python. |
Семинары посвящены | Семинары посвящены | ||
Строка 69: | Строка 69: | ||
В этом году все материалы выкладываются здесь: https://github.com/Dyakonov/PZAD. | В этом году все материалы выкладываются здесь: https://github.com/Dyakonov/PZAD. | ||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
== Успеваемость == | == Успеваемость == | ||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
== Литература == | == Литература == | ||
Строка 136: | Строка 77: | ||
== История == | == История == | ||
Программы прошлых лет см. здесь: | Программы прошлых лет см. здесь: | ||
+ | * [[Прикладные задачи анализа данных (курс на ВМК 2018 года)]] | ||
* [[Прикладные задачи анализа данных (курс на ВМК 2017 года)]] | * [[Прикладные задачи анализа данных (курс на ВМК 2017 года)]] | ||
* [[Прикладные задачи анализа данных (курс на ВМК 2016 года)]] | * [[Прикладные задачи анализа данных (курс на ВМК 2016 года)]] |
Версия 17:37, 1 сентября 2019
Содержание |
ПРИКЛАДНЫЕ ЗАДАЧИ АНАЛИЗА ДАННЫХ (курс для магистров ММП ВМК МГУ)
- Обязательный курс для магистров каф. ММП 1 г/о, читается в 1-м (9-м) семестре.
- Лекции — 36 часов, семинаров - 36 часов.
- Экзамен.
- За курс отвечает кафедра Математических методов прогнозирования.
- Автор программы: профессор А. Г. Дьяконов.
Аннотация
Курс посвящён решению прикладных задач анализа данных. Разбираются реальные задачи и бизнес-кейсы. Студенты пишут и настраивают алгоритмы на языке Python.
Семинары посвящены
- докладам по решению прикладных задач (с презентациями),
- опросам по выполнению домашнего задания,
- обучению программированию на скриптовых языках (для тех, у кого их не было в бакалавриате),
- мозговому штурму по решению задач и обсуждению решений,
- написанию контрольных работ, решению аналитических задач, работе над ошибками.
Система оценивания
В течение семестра студенты получают задания.
При сдаче правильно выполненного задания в срок студент не получает штрафных баллов.
В противном случае - он получает от 1 до 10 штрафных баллов.
Штраф в 10 баллов допустим за позднюю сдачу (даже если решение верное) в случае отсутствия уважительных причин (болезнь, подтверждаемая справкой, и т.п. - см. требования учебной части).
В некоторых случаях (на усмотрение лектора), магистру, который лучше всех выполнил конкретное задание, списываются штрафные баллы (до 10).
На экзамене также за неверные ответы студент получает штрафные баллы.
Итоговая оценка формируется следующим образом:
- до 10 штрафных баллов включительно - отлично,
- до 20 штрафных баллов включительно - хорошо,
- до 30 штрафных баллов включительно - удовлетворительно.
Содержание курса
В этом году все материалы выкладываются здесь: https://github.com/Dyakonov/PZAD.
Успеваемость
Литература
Указана локально - в слайдах / сетке расписания.
История
Программы прошлых лет см. здесь: