Практикум на ЭВМ (317)/2016-2017

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(→Правила сдачи практикума в осеннем семестре 2016/2017)
(→Материалы)
Строка 24: Строка 24:
= Материалы =
= Материалы =
 +
=== Выступления на семинаре 07.11. ===
 +
 +
{|class="standard sortable"
 +
! № п/п !! Тема !! ФИО студента !! Комментарии
 +
|-
 +
| align="center"|1 || ООП в Python || Иванов Сергей || [[Media:ООП_в_Python.pdf‎ | Презентация (pdf)]]
 +
|-
 +
| align="center"|2 || Консервация объектов в Python || Мазаев Павел ||
 +
|-
 +
| align="center"|3 || Анализ изображений с помощью scikit-image || Януш Виктор ||
 +
|-
 +
| align="center"|4 || Qt и Python || Липкина Анна ||
 +
|-
 +
| align="center"|5 || Использование Cython для ускорения вычислений в Python || Николаев Сергей ||
 +
|-
 +
| align="center"|6 || Быстрое переключение между версиями Python || Кругликов Николай ||
 +
|-
 +
| align="center"|7 || Визуализация с помощью VTK/ParaView || Думбай Алексей ||
 +
|-
 +
| align="center"|8 || Использование пакета multiprocessing для ускорения вычислений в Python || Бабичев Дмитрий ||
 +
|-
 +
|-
 +
|}
 +
 +
=== Изучение Python, NumPy ===
=== Изучение Python, NumPy ===

Версия 15:37, 7 ноября 2016

Правила сдачи практикума в осеннем семестре 2016/2017

  1. В рамках семестра предполагается четыре практических задания. Каждое задание оценивается из 5-ти баллов. Контрольные работы из расчета 1 балла
  2. За каждый день просрочки при сдаче задания начисляется штраф в размере 0.1 балла в день, но суммарно не более 3-х баллов.
  3. Для получения итоговой оценки 5 необходимо набрать 17 баллов, оценки 4 — 13 баллов и сдать на положительный балл все три задания, оценки 3 — 9 баллов.
  4. Выполненные задания присылать на почту mmp.practicum.317@gmail.com. Желательно указывать следующую тему: Фамилия, задание [номер задания].
  5. Вопросы по заданиям можно присылать на ту же почту. Желательно указывать следующую тему: Вопрос по заданию [номер задания]

Задания 2016 года (осень)

Задание 1. Изучение Python, NumPy

Задание 2. Метрические алгоритмы классификации (внесены изменения 19.10)

Задание 3. Метод опорных векторов

Оценки 2016 года (осень)

Смотреть здесь

Материалы

Выступления на семинаре 07.11.

№ п/п Тема ФИО студента Комментарии
1 ООП в Python Иванов Сергей Презентация (pdf)
2 Консервация объектов в Python Мазаев Павел
3 Анализ изображений с помощью scikit-image Януш Виктор
4 Qt и Python Липкина Анна
5 Использование Cython для ускорения вычислений в Python Николаев Сергей
6 Быстрое переключение между версиями Python Кругликов Николай
7 Визуализация с помощью VTK/ParaView Думбай Алексей
8 Использование пакета multiprocessing для ускорения вычислений в Python Бабичев Дмитрий


Изучение Python, NumPy

Домашнее задание по первому семинару. Прочитать и понять:

12.09 будет контрольная по языку Python.

Домашнее задание по второму семинару.

Задачи для подготовки к контрольной работе. Некоторые функции, требуемые для решения этих задач, на семинаре не рассматривались, так что пользуйтесь документацией NumPy.

  • При помощи метода Монте-Карло подсчитать значение интеграла функции cos(x^2) в пределах от 0 до 0.5.
  • Подсчитать в векторе x среднее значение, проигнорировав значения inf и nan. Т.е. для x = np.array([1, 2, np.nan]) ответ 1.5
  • В матрице H заменить все значения, которые больше maxH, на maxH, а все значения, которые меньше minH, на minH. Решите задачу двумя способами: с использованием индексации по матрице, и с использованием операций взятия максимума и минимума.

19.09 будет контрольная по NumPy.

Изучение \TeX

Пример tex-файла с семинара

Полезная информация по установке TeXа + ссылки на литературу

Unit-тестирование

Документация по unittest

Пример unit-тестирования с семинара

Презентация по unit-тестированию с примерами под MatLab

Разметка для markdown cell в ipython notebook

Документация по markdown

Учебник markdown

Пример с семинара

Подготовка презентаций в \LaTeX с помощью пакета beamer

Пример презентации с семинара

Полезные инструменты для Jupiter Notebook

Пример с семинара

Метод опорных векторов

Конспект с семинара по методу опорных векторов

Темы докладов

Темы докладов с распределением по датам

Требования к отчёту

Отчёт должен быть САМОДОСТАТОЧНЫМ документом в формате PDF. Отчёт должен давать проверяющему ответы на следующие вопросы:

  • К какому курсу относится задание?
  • Какое задание выполнено?
  • Кем выполнено задание?
  • Когда сдано 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?

Шаблон отчета

Страницы прошлых лет

2015-2016

2014-2015

2013-2014

2012-2013

2011-2012

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%29/2016-2017»
Личные инструменты