Практикум на ЭВМ (317)/2020 (осень)
Материал из MachineLearning.
- Обязательный курс для студентов каф. ММП 3 курса, 5 семестр
- Зачёт с оценкой
- Преподаватели: Артём Попов, Д.А. Кропотов, Евгений Бобров, Максим Находнов, Чернышёв Александр
- Занятия проходят онлайн по понедельникам, начало в 16:20. Первое занятие 7 сентября.
Анонимные отзывы по курсу можно оставлять здесь: ссылка на гугл-форму
Репозиторий со всеми материалами: ссылка
Короткая ссылка на страницу: ссылка
Видеозаписи занятий: ссылка.
Для доступа к системе сдачи заданий anytask, свяжитесь с одним из преподавателей.
Содержание |
Объявления
Пока нет.
Правила сдачи практикума
1. В рамках семестра предполагается три больших практических задания и пять домашних заданий. 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. Последнее практическое задание так же будет включать в себя реализацию работающей ML-системы. Срок выполнения каждого задания — 2 недели. Задания, сданные после этого срока, принимаются со штрафом. За каждый день штраф — 1 балл. Практическое задание считается зачтённым, если по нему выполнены и засчитаны все три этапа работы.
3. За каждое домашнее задание можно получить от 15 до 20 баллов (в зависимости от задания). Задание включает в себя написание программного кода. Срок выполнения каждого задания — 1 неделя. Задания, сданные после этого срока, не принимаются на проверку.
4. Предусмотрены различные бонусные активности: бонусные задачи, за которые можно получить дополнительные баллы.
5. Предварительные критерии итоговой оценки:
- отлично — 170 баллов, 3 практических задания зачтены
- хорошо — 125 баллов, 2 практических задания зачтены
- удовлетворительно — 85 баллов, 1 практическое задание зачтено
Материалы занятий
| Дата | Номер | Тема | Материалы | Видео | Д/З |
|---|---|---|---|---|---|
| 7 сентября | Занятие 1 |
Организационные вопросы. Введение в Python. |
Ознакомиться с PEP8: Контест 1: Введение в Python (anytask) | ||
| 14 сентября | Занятие 2 | Библиотека numpy. Векторизация вычислений. | ноутбук | видео | Изучить материалы Indexing и Broadcasting
Контест 2: numpy (anytask) |
| 21 сентября | Занятие 3 | Организация кода в Python.
Функции, модули, классы. | слайды | видео | Контест 3: классы (anytask) |
| 28 сентября | Занятие 4 | Обсуждение первого практического задания (KNN).
Введение в обработку изображений. Визуализация в Python. | слайды | видео | Практическое задание №1 |
| 5 октября | Занятие 5 | Подготовка текстовых отчётов. Система TeX. | слайды | видео | |
| 12 октября | Занятие 6 | Подготовка коротких выступлений.
Обработка исключений. Мененджеры контекста. | |||
| 19 октября | Занятие 7 | Итераторы и генераторы. | слайды | видео | Контест 4: итераторы и генераторы (anytask) |
| 26 октября | Занятие 8 | Обсуждение второго практического задания (LogReg).
Введение в обработку текстов. | слайды | видео | Практическое задание №2 |
| 2 ноября | Занятие 9 | Декораторы. | слайды | видео | |
| 9 ноября | Занятие 10 | ML-инфраструктура (часть 1) (ssh, sftp, tmux, Google Cloud, Git) | материалы занятия | видео | |
| 16 ноября | Занятие 11 | ML-инфраструктура (часть 2) (Docker) | материалы занятия | видео | |
| 23 ноября | Занятие 12 | ML-инфраструктура (часть 3) (Docker, Flask) | материалы занятия | видео | |
| 30 ноября | Занятие 13 | Обсуждение третьего практического занятия. | видео | ||
| 7 ноября | Занятие 14 | Разработка ML проектов. | |||
| 14 ноября | Занятие 15 | С/C++ в Python. Микросервисы. |
Требования к отчёту по практическим заданиям
Отчёт должен быть самодостаточным документом в формате PDF, подготовленным в системе LATEX. Студенты, хорошо выполнившие отчёты по прошлым заданиям, получают возможность сдавать отчёты в формате HTML или PDF, подготовленные с помощью jupyter notebook.
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?
Некоторые элементы хорошего отчёта:
- Объём отчёта: 5--20 страниц;
- Текст отчёта не повторяет полной формулировки задания;
- Структура отчёта соответствует пунктам задания;
- Используются векторные шрифты;
- Графики оформлены надлежащим образом;
- Шкала для графиков выбрана правильно;
- На разных графиках результаты для одинаковых методов отображаются одним и тем же цветом;
- Между расположением графиков и местами их упоминания в тексте относительно небольшое расстояние (на той же или на соседней странице);
- На страницах не должно быть много пустого места;
- В большинстве случаев графики/таблицы/псевдокоды алгоритмов не должны занимать большей части одной страницы отчёта;
- Все числа в тексте/таблицах указаны с необходимым числом значащих цифр;
- В большинстве случае в отчёте не должно быть никакого кода;
- Для всех экспериментов описан выбранный дизайн экспериментов, а также сделаны выводы из полученных результатов;
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, может дополнительно штрафоваться.
- 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
2018-2019 (осень) , 2018-2019 (весна)
