Практикум на ЭВМ (317)/2016-2017
Материал из MachineLearning.
(→Оценки 2016 года (осень)) |
(→Задания 2016 года (осень)) |
||
Строка 16: | Строка 16: | ||
[[Media:Task2.pdf|Задание 2. Метрические алгоритмы классификации (внесены изменения 19.10)]] | [[Media:Task2.pdf|Задание 2. Метрические алгоритмы классификации (внесены изменения 19.10)]] | ||
+ | |||
+ | [[Media:MMP_Practicum_317_2016.pdf|Задание 3. Метод опорных векторов]] | ||
= Оценки 2016 года (осень) = | = Оценки 2016 года (осень) = |
Версия 11:04, 2 ноября 2016
- Обязательный курс для студентов каф. ММП 3 курса, 5-6 семестр.
- Зачёт с оценкой
- Преподаватели: О.В. Красоткина, Д.А. Кропотов, Артём Попов и другие.
Правила сдачи практикума в осеннем семестре 2016/2017
- В рамках семестра предполагается четыре практических задания. Каждое задание оценивается из 5-ти баллов. Контрольные работы из расчета 1 балла
- За каждый день просрочки при сдаче задания начисляется штраф в размере 0.1 балла в день, но суммарно не более 3-х баллов.
- Для получения итоговой оценки 5 необходимо набрать 18 баллов, оценки 4 — 15 баллов и сдать на положительный балл все три задания, оценки 3 — 10 баллов.
- Выполненные задания присылать на почту mmp.practicum.317@gmail.com. Желательно указывать следующую тему: Фамилия, задание [номер задания].
- 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)
Материалы
Изучение Python, NumPy
Домашнее задание по первому семинару. Прочитать и понять:
- Главы 3-6 официального учебника
- Разделы Other languages have "variables" и Python has "names" неофициального руководства
- Для изучения Python можно воспользоваться ресурсом https://www.codecademy.com/
12.09 будет контрольная по языку Python.
Домашнее задание по второму семинару.
- Прочитать руководство по NumPy.
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
Полезная информация по установке TeXа + ссылки на литературу
Unit-тестирование
Пример unit-тестирования с семинара
Презентация по unit-тестированию с примерами под MatLab
Разметка для markdown cell в ipython notebook
Подготовка презентаций в с помощью пакета beamer
Полезные инструменты для Jupiter Notebook
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?