Практикум на ЭВМ (317)/2017-2018

Материал из MachineLearning.

(Различия между версиями)

Текущая версия

Обязательный курс для студентов каф. ММП 3 курса, 5-6 семестр
Зачёт с оценкой
Преподаватели: Д.А. Кропотов, Артём Попов и другие
Занятия проходят в ауд. 524 по вторникам, начало в 16:20

Анонимные отзывы по курсу можно оставлять здесь: ссылка на гугл-форму

Репозиторий со всеми материалами: ссылка на репозиторий

Правила сдачи практикума в осеннем семестре 2017/2018

1. В рамках семестра предполагается три больших практических задания и четыре домашних задания. Все задания сдаются в систему anytask, инвайт к курсу можно получить у преподавателя.

2. За каждое большое практическое задание можно получить до 50-ти баллов. Задание включает в себя написание программного кода, выполнение экспериментов и написание отчёта о проделанной работе. Срок выполнения каждого задания — 2 недели. За каждый день просрочки назначается штраф 1 балл. Задание, сданное через две недели после срока сдачи, оценивается в 0 баллов.

3. За каждое домашнее задание можно получить до 20-ти баллов. Задание включает в себя написание программного кода. Срок выполнения каждого задания — 1 неделя. Задания, сданные после срока сдачи, оцениваются в 0 баллов.

4. Также в рамках семестра каждый студент делает небольшое выступление по теме курса. За выступление можно получить до 10-ти баллов.

5. Критерии итоговой оценки:

отлично — 190 баллов, все практические и домашние задания зачтены
хорошо — 145 баллов, все практические задания зачтены
удовлетворительно — 95 баллов, все практические задания зачтены

6. Критерий <<зачтённости>> задания объявляется вместе с заданием.

Материалы занятий (осень)

Дата	Номер	Тема	Материалы	Д/З
5 сентября	Занятие 1	Организационные вопросы. Введение в Python.	jupyter-notebook слайды	Ознакомиться c PEP8 домашнее задание 1
12 сентября	Занятие 2	Структуры данных (продолжение). Библиотека Numpy.	jupyter-notebook(python) jupyter-notebook(numpy)	домашнее задание 2
19 сентября	Занятие 3	Функции, модули, классы. ООП в Python.	слайды	домашнее задание 3
26 сентября	Занятие 4	Разбор первого домашнего задания. Тестирование. Основы визуализации.	слайды(тестирование) jupyter-notebook(matplotlib)
3 октября	Занятие 5	Обсуждение первого практического задания. Основы обработки изображений. Разбор второго домашнего задания.	слайды(изображения)	практическое задание 1 страничка соревнования
10 октября	Занятие 6	Подготовка текстовых отчётов. Система TeX.	слайды Книга по системе LaTeX LaTeX в примерах
17 октября	Занятие 7	Итераторы. Генераторы.	слайды
24 октября	Занятие 8	Декораторы.	слайды ноутбук с примерами лекция CSC статья самоучителя	домашнее задание 4 страница соревнования
31 октября	Занятие 9	Разбор отчётов по практическому заданию. Обработка текстов.	слайды (отчёты) слайды (тексты)
7 ноября	Занятие 10	Подготовка коротких выступлений. Пакет beamer для презентаций. Продвинутый TeX.	слайды (выступление) слайды (тех) исходники слайдов	Готовиться к выступлению практическое задание 2
14 ноября	Занятие 11	Выступления студентов.		Готовиться к выступлению
21 ноября	Занятие 12	Выступления студентов.
28 ноября	Занятие 13	Обсуждение третьего практического задания. Задачи условной оптимизации. Метод субградиентного спуска. Метод PEGASOS.		Готовиться к выступлению практическое задание 3 прототипы
5 декабря	Занятие 14	Выступления студентов.

Выступления студентов на семинаре

Выступление должно сопровождаться презентацией, подготовленной в LaTeX с помощью пакета beamer. При согласовании с преподавателем разрешается делать презентацию в Jupyter notebook или просто использовать Jupyter notebook вместо презентации. Приблизительный регламент выступления — 10 минут. После выступления необходимо залить свою презентацию в репозиторий курса.

Каждый студент должен выбрать одну тему из списка ниже либо предложить свою тему.

№ п/п	Тема	ФИО студента	Материалы
1	Система контроля версий Git	Солоткий Михаил	слайды
2	Основные отличия Python2 и Python3	Шестакова Анна	слайды
3	Средства консервации объектов в Python (json, pickle и другие)	Всеволод Полетаев	слайды
4	Библиотека multiprocessing для распараллеливания и ускорения вычислений в Python	Цыпин Артем	слайды
5	Библиотека для автоматического дифференцирования и вычислений на GPU TensorFlow	Руднев Виктор	слайды
6	Библиотека для автоматического дифференцирования и вычислений на GPU PyTorch	Яворская Мария	слайды
7	Магические команды Jupyter Notebook (отладка, профилирование)	Филимонов Владислав	слайды
8	Полезные расширения Jupyter Notebook (Jupyter notebook extensions)	Шамшиев Мамат	слайды
9	Разметка markdown и создание текстовых отчётов в формате pdf с помощью Jupyter Notebook	Шаталов Николай	слайды
10	Создание презентаций с помощью Jupyter Notebook	Пономарева Любовь	слайды
11	Проксимальный градиентный метод для обучения моделей с L1-регуляризацией	Фоминская Галина	слайды
12	Разложение Холецкого и его применения	Драгунов Никита	слайды
13	Стандартные матричные разложения: LDL, LU и QR. Примеры использования.	Скачков Николай	слайды
14	Метод NCA для обучения метрики	Сомов Иван	слайды
15	Одноклассовый SVM и его применения	Медведев Алексей	слайды
16	Система вёрстки XeTeX	Медведев Дмитрий	слайды
17	Библиотека для визуализации в Python (выбрать одну, не matplotlib)	Сагайдак Олег	слайды
18	Интерпретатор языка Python PyPy	Дженаков Дмитрий	слайды

Требования к отчёту по большим практическим заданиям

Отчёт должен быть самодостаточным документом в формате PDF, подготовленным в системе LATEX.

Отчёт должен давать проверяющему ответы на следующие вопросы:

К какому курсу относится задание?
Какое задание выполнено?
Кем выполнено задание?
В чём заключалось задание?
Что было сделано? Что не было сделано?
Даны ли правильные ответы на все теоретические вопросы задания?
Проведены ли все необходимые эксперименты? Получены ли осмысленные ВЫВОДЫ?
Выполнена ли творческая часть задания?
Пользовался ли студент чьей-либо помощью? Если да, то в каком объёме?
Какой литературой пользовался студент?

Требования к программному коду

Код должен в целом соответствовать PEP8 (eng или rus )
В частности, код должен проходить автоматическую проверку стиля ссылка. Скрипт запускается из командной строки так: python3 mmp_pep8.py <ваш скрипт>. Код, вызывающий предупреждения, автоматически оценивается в 0 баллов.
Код должен быть понятным и единообразным. Переменные, функции и другие элементы кода должны иметь осмысленные, значимые имена, отвечающие их назначению
Код, который не соответствует прототипам, выданным в задании, автоматически оценивается в 0 баллов
Код, который не удовлетворяет требованиям задания (например, запрету на использование конкретных библиотек), автоматически оценивается в 0 баллов
Код, содержащий плагиат, автоматически оценивается в 0 баллов

Страницы прошлых лет

Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%9F%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D0%BA%D1%83%D0%BC_%D0%BD%D0%B0_%D0%AD%D0%92%D0%9C_%28317%29/2017-2018»

Категории: Кафедра Математические методы прогнозирования ВМиК МГУ | Учебные практикумы

@@ Строка 8: / Строка 8: @@
 Анонимные отзывы по курсу можно оставлять здесь: [https://goo.gl/forms/im2Y51K0yVTgWQEQ2 ссылка на гугл-форму]
-Чат курса в telegram: [https://t.me/joinchat/B2UcOULcOYFQNRjEl18CtQ инвайт]
 Репозиторий со всеми материалами: [https://github.com/arti32lehtonen/mmp_prac_2017 ссылка на репозиторий]
@@ Строка 150: / Строка 149: @@
 [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/09.%20Text%20processing/slides_text.pdf слайды (тексты)]
+|
+<!-- Конец занятия -->
+|- <!-- Новое занятие -->
+|7 ноября
+|Занятие 10
+|
+Подготовка коротких выступлений.
+Пакет beamer для презентаций. Продвинутый TeX.
+|
+[https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/10.%20Tex%20advanced/slides%20(short_talks).pdf слайды (выступление)]
+[https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/10.%20Tex%20advanced/slides%20(tex).pdf слайды (тех)]
+[https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/10.%20Tex%20advanced/slides_code.zip исходники слайдов]
+|
+Готовиться к выступлению
+[https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/Tasks/task2/task2.pdf практическое задание 2]
+<!-- Конец занятия -->
+|- <!-- Новое занятие -->
+|14 ноября
+|Занятие 11
+|
+Выступления студентов.
+|
+|
+Готовиться к выступлению
+<!-- Конец занятия -->
+|- <!-- Новое занятие -->
+|21 ноября
+|Занятие 12
+|
+Выступления студентов.
+|
+|
+<!-- Конец занятия -->
+|- <!-- Новое занятие -->
+|28 ноября
+|Занятие 13
+|
+Обсуждение третьего практического задания.
+Задачи условной оптимизации.
+Метод субградиентного спуска. Метод PEGASOS.
+|
+| Готовиться к выступлению
+[https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/Tasks/task3/task3.pdf практическое задание 3]
+[https://github.com/arti32lehtonen/mmp_prac_2017/tree/master/Tasks/task3/prototypes прототипы]
+<!-- Конец занятия -->
+<!-- Конец занятия -->
+|- <!-- Новое занятие -->
+|5 декабря
+|Занятие 14
+|
+Выступления студентов.
+|
 |
 <!-- Конец занятия -->
@@ Строка 163: / Строка 221: @@
  ! № п/п !! Тема !! ФИО студента !! Материалы
  |-
- | align="center"|1 || Система контроля версий Git || Солоткий Михаил ||
+ | align="center"|1 || Система контроля версий Git || Солоткий Михаил || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Solotky_Git.pdf слайды]
+ |-
+ | align="center"|2 || Основные отличия Python2 и Python3 || Шестакова Анна|| [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Shestakova_Distinctions_between_Python2_and_3.pdf слайды]
+ |-
+ | align="center"|3 || Средства консервации объектов в Python (json, pickle и другие) || Всеволод Полетаев || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Poletaev_Serialization.pdf слайды]
+ |-
+ | align="center"|4 || Библиотека multiprocessing для распараллеливания и ускорения вычислений в Python || Цыпин Артем || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Tsypin_Multiprocessing.pdf слайды]
+ |-
+ | align="center"|5 || Библиотека для автоматического дифференцирования и вычислений на GPU TensorFlow || Руднев Виктор || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Rudnev_Tensorflow.pdf слайды]
  |-
- | align="center"|2 || Основные отличия Python2 и Python3 || Шамшиев Мамат ||
+ | align="center"|6 || Библиотека для автоматического дифференцирования и вычислений на GPU PyTorch || Яворская Мария || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Iavorskaia_pytorch.pdf слайды]
  |-
- | align="center"|3 || Средства консервации объектов в Python (json, pickle и другие) || ||
+ | align="center"|7 || Магические команды Jupyter Notebook (отладка, профилирование) || Филимонов Владислав ||  [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Filimonov_Magic_Command.pdf слайды]
  |-
- | align="center"|4 || Библиотеки для распараллеливания и ускорения вычислений в Python (выбрать одну) || Цыпин Артем ||
+ | align="center"|8 || Полезные расширения Jupyter Notebook (Jupyter notebook extensions) || Шамшиев Мамат || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Shamshiev_JN_extensions.pdf слайды]
  |-
- | align="center"|5 || Библиотека для автоматического дифференцирования и вычислений на GPU TensorFlow || Руднев Виктор ||
+ | align="center"|9 || Разметка markdown и создание текстовых отчётов в формате pdf с помощью Jupyter Notebook || Шаталов Николай || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Shatalov_markdown.pdf слайды]
  |-
- | align="center"|6 || Библиотека для автоматического дифференцирования и вычислений на GPU PyTorch || Яворская Мария ||
+ | align="center"|10 || Создание презентаций с помощью Jupyter Notebook || Пономарева Любовь || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Ponomareva_Slideshow_in_IPython.pdf слайды]
  |-
- | align="center"|7 || Магические команды Jupyter Notebook (отладка, профилирование) || Филимонов Владислав ||
+ | align="center"|11 || Проксимальный градиентный метод для обучения моделей с L1-регуляризацией || Фоминская Галина || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/fominskaya_proximal.pdf слайды]
  |-
- | align="center"|8 || Полезные расширения Jupyter Notebook (Jupyter notebook extensions) ||  ||
+ | align="center"|12 || Разложение Холецкого и его применения || Драгунов Никита || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Dragunov_Cholesky.pdf слайды]
  |-
- | align="center"|9 || Разметка markdown и создание текстовых отчётов в формате pdf с помощью Jupyter Notebook ||  ||
+ | align="center"|13 || Стандартные матричные разложения: LDL, LU и QR. Примеры использования. || Скачков Николай || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Skachkov_decompositions.pdf слайды]
  |-
- | align="center"|10 || Создание презентаций с помощью Jupyter Notebook ||  ||
+ | align="center"|14 || Метод NCA для обучения метрики || Сомов Иван || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Somov_NCA.pdf слайды]
  |-
- | align="center"|11 || Проксимальный градиентный метод для обучения моделей с L1-регуляризацией || Фоминская Галина ||
+ | align="center"|15 || Одноклассовый SVM и его применения || Медведев Алексей || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Medvedev_A_OSVM.pdf слайды]
  |-
- | align="center"|12 || Разложение Холецкого и его применения ||  ||
+ | align="center"|16 || Система вёрстки XeTeX  ||  Медведев Дмитрий || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Medvedev_D_xetex.pdf слайды]
  |-
- | align="center"|13 || Стандартные матричные разложения: LDL, LU и QR. Примеры использования. || Скачков Николай ||
+ | align="center"|17 || Библиотека для визуализации в Python (выбрать одну, не matplotlib) || Сагайдак Олег || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Sagaydak_seaborn.pdf слайды]
  |-
- | align="center"|14 || Метод NCA для обучения метрики ||  ||
+ | align="center"|18 || Интерпретатор языка Python PyPy || Дженаков Дмитрий || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Dzhenakov_PyPy.pdf слайды]
  |-
  |}

Практикум на ЭВМ (317)/2017-2018

Материал из MachineLearning.

Текущая версия

Правила сдачи практикума в осеннем семестре 2017/2018

Материалы занятий (осень)

Выступления студентов на семинаре

Требования к отчёту по большим практическим заданиям

Требования к программному коду

Страницы прошлых лет

Просмотры

Личные инструменты

Навигация

Поиск

Инструменты