Машинное обучение (семинары, ВМК МГУ)

Материал из MachineLearning.

Содержание 1 Выставление оценки за курс 2 Осенний семестр 2015/2016 2.1 Расписание занятий 2.2 Практические задания 2.3 Соревнования 2.4 Оценки 3 Страницы курса прошлых лет

Семинары в поддержку курса лекций «Машинное обучение» В. В. Китова. Ведутся на кафедре ММП ВМК МГУ с осени 2012 года. Семинарист: Соколов Е.А. Почта: sokolov.evg+vmk-ml@gmail.com Анонимные отзывы и комментарии по семинарам можно оставлять здесь: [1].

Выставление оценки за курс

Итоговая контрольная работа:

1. На последней лекции будет проведена контрольная работа, которая затронет все темы, изученные в течение семестра.
2. Контрольная оценивается по двухбалльной шкале (зачет/незачет), незачет влечет за собой недопуск к экзамену.
3. Студент, не получивший допуск, переписывает на экзамене контрольную. В случае успеха он сдает экзамен на первой пересдаче. В случае незачета он снова переписывает контрольную на первой пересдаче, и так далее.

Семинары:

1. На семинарах по каждой пройденной теме будут проводиться проверочные работы. Каждая проверочная оценивается по пятибалльной шкале. В зависимости от оценки за проверочную, студент освобождается от части или от всех задач по этой теме на итоговой контрольной работе.
2. Также на семинарах будут выдаваться практические задания, которые будут оцениваться по пятибалльной шкале.
3. В течение семестра будут проводиться конкурсы по анализу данных. Каждый конкурс оценивается по 15-балльной шкале. За первое, второе и третье место выставляется 15, 13 и 11 баллов соответственно при условии, что студенты выступят с докладом о своем решении (в противном случае они получают 10 баллов). За места с четвертого и по самое последнее, превосходящее бейзлайн, выставляется от 10 до 1 баллов по равномерной сетке. Если все присланные группой решения будут тривиальными, то преподаватель имеет право снизить максимальную оценку до 10 или до 5 баллов.
4. Оценка за работу в семестре равна сумме оценок за проверочные работы, практические задания и конкурсы.
5. Если оценка за работу в семестре не меньше 100% от максимальной оценки за проверочные и лабораторные работы, то студент освобождается от написания итоговой контрольной и получает допуск к экзамену автоматом.
6. Если оценка за работу в семестре не меньше 80% от максимальной оценки за проверочные и лабораторные работы и конкурсы, то студент получает +1 балл на экзамене (при условии получения положительной оценки).
7. В конце семестра разрешается переписать одну пропущенную по любой причине проверочную работу. Также разрешается переписать все проверочные, пропущенные по уважительной причине.

Осенний семестр 2015/2016

Расписание занятий

Дата	Номер	Тема	Материалы	Д/З
4 сентября	Семинар 1	Вводное занятие: Знакомство с основными определениями в машинном обучении Этапы решения задачи анализа данных Напоминание основных фактов из прошлых курсов	Конспект
11 сентября	Семинар 2	Метрические методы: Особенности метрических методов: чувствительность к масштабу и шуму, проклятие размерности Примеры метрик Задание метрик на категориальных признаках Введение в NumPy, SciPy, Pandas, Scikit-Learn	Конспект IPython Notebook

Практические задания

Задание	Тема	Дата выдачи	Срок сдачи	Условие
1	Язык Python, основные библиотеки для анализа данных	14.09.2015	27.09.2015, 23.59	Условие

Виртуальная машина с питоном и библиотеками

Полезные ссылки:

• Lectures on scientific computing with Python
• matplotlib - 2D and 3D plotting in Python
• A Crash Course in Python for Scientists
• A gallery of interesting IPython Notebooks
• An Example Machine Learning Notebook
• 100 NumPy Exercises
• Pandas Tutorial

Соревнования

Задание	Тема	Дата начала	Дата окончания	Ссылка

Все студенты должны прислать краткий отчет о своем решении и код, воспроизводящий результат.

Оценки

https://docs.google.com/spreadsheets/d/1vK3gM6sAj2TEqO9mPhm5cIuNSmpsw3CIpQnb4G4Dguo/edit?usp=sharing

Страницы курса прошлых лет

2014-2015 год, весна

2014-2015 год, осень

2013-2014 год, весна

2013-2014 год, осень

2012 год