Машинное обучение (семинары, ВМК МГУ)
Материал из MachineLearning.
|
|
Выставление оценки за курс
Оценка за работу в семестре и допуск к экзамену:
- На семинарах изучается определенное число тем, по каждой из которых проводится проверочная работа.
- Проверочная работа состоит из нескольких задач, за решение каждой из которых дается определенное число баллов. Максимальная сумма баллов, которую можно набрать за проверочную работу, равна пяти.
- Если студент набирает за проверочную работу три балла или больше, то считается, что он закрыл соответствующую тему.
- Оценка за работу в семестре равна средней оценке за проверочные работы.
- Для получения допуска к экзамену необходимо закрыть все темы.
- Если у студента на конец семестра есть незакрытые темы, то в день экзамена он решает контрольную работу, в которую входят задачи по всем таким темам. Если студент справляется со всеми задачами, то он получает допуск и сдает экзамен в день первой пересдачи. В противном случае на первой пересдаче ему выдается контрольная, в которую входят задачи, аналогичные не решенным в прошлый раз, и так далее. Когда студент справляется со всеми задачами, ему выставляется три балла за работу в семестре. Более того, оценка за экзамен ограничивается сверху тремя баллами.
- В конце семестра будет проведена контрольная работа, на которой будет дана еще одна попытка решить задачи, не решенные на проверочных работах (и, соответственно, закрыть незакрытые темы).
- После каждого семинара студентам выдается домашняя работа. Ее выполнение не проверяется, однако задачи из нее могут войти в проверочную работу.
Выставление итоговой оценки:
- Оценка за работу в семестре округляется до ближайшего целого числа (.5 округляется вверх).
- Итоговая оценка находится по следующей таблице:
Семестр | Экзамен | Итог |
---|---|---|
3 | 3 | 3 |
3 | 4 | 3 |
3 | 5 | 4 |
4 | 3 | 3 |
4 | 4 | 4 |
4 | 5 | 5 |
5 | 3 | 4 |
5 | 4 | 5 |
5 | 5 | 5 |
Также для вычисления итоговой оценки можно воспользоваться одной из формул:
где — оценка за семестр, — оценка за экзамен.
Весенний семестр 2013/2014
Расписание занятий
Дата | Номер | Тема | Материалы | Д/З |
---|---|---|---|---|
12 февраля | Семинар 1 | EM-алгоритм:
| ||
19 февраля | Семинар 2 | EM-алгоритм:
Проверочная работа по EM-алгоритму | ||
26 февраля | Семинар 3 | Искусственные нейронные сети
| ||
5 марта | Семинар 4 | Композиционные методы
Проверочная работа по нейросетям | ||
19 марта | Семинар 5 | Композиционные методы
| ||
26 марта | Семинар 6 | Композиционные методы
Проверочная работа по бустингу | ||
9 апреля | Семинар 7 | Методы выбора моделей
Проверочная работа по бэггингу | ||
28 апреля | Семинар 8 | Матричные разложения
Проверочная работа по методам выбора моделей | ||
7 мая | Семинар 9 | Приглашенные доклады
Алексей Панов. Модификация линейной регрессии для решения задачи прогнозирования спроса. Андрей Зимовнов. Ранжирование в продуктовом поиске интернет-магазина. | ||
13 мая | Семинар 10 | Приглашенные доклады
Александр Фонарев. Решение задач с категориальными признаками. Никита Животовский. Оценки рисков в теории статистического обучения. |
Оценки
ФИО студента | Группа | EM | ANN | Boosting | Bagging | AIC | Семестр | Экзамен | Итоговая оценка |
---|---|---|---|---|---|---|---|---|---|
Апишев М. | 317 | 5 | 5 | 4.5 | 5 | 5 | 5 | ||
Афанасьев К. | 317 | 5 | 5 | 5 | 5 | 5 | 5 | ||
Готман М. | 317 | 5 | 5 | 5 | 5 | 5 | 5 | ||
Дойков Н. | 317 | 3 | 4 | 1.5 | 3.5 | 5 | |||
Захаров Е. | 317 | 5 | 5 | 4.5 | 4.75 | 5 | 5 | ||
Козлов В. | 317 | 5 | 5 | 5 | 3.5 | 5 | 5 | ||
Колмаков Е. | 317 | 5 | 4 | 3.75 | 4.75 | 5 | 5 | ||
Лисяной А. | 317 | 5 | 5 | 5 | 5 | 5 | 5 | ||
Лукашкина Ю. | 317 | 5 | 5 | 4.5 | 5 | 5 | 5 | ||
Ожерельев И. | 317 | 4.5 | 5 | 5 | 4.75 | 5 | 5 | ||
Родоманов А. | 317 | 5 | 5 | 5 | 4.75 | 5 | 5 | ||
Сендерович Н. | 317 | 5 | 5 | 5 | 5 | 5 | 5 | ||
Славнов К. | 317 | 3 | 5 | 5 | 5 | 5 | 5 | ||
Тюрин А. | 317 | 5 | 5 | 4.5 | 5 | 5 | 5 | ||
Хальман М. | 317 | 1.5 | 2 | 1.5 | 4.5 | 5 | |||
Хомутов Н. | 317 | 4 | 5 | 5 | 4.75 | 5 | 5 | ||
Чистяков А. | 317 | 5 | 5 | 4.5 | 5 | 5 | 5 | ||
Шапулин А. | 317 | 5 | 5 | 4.5 | 5 | 5 | 5 |