Практикум на ЭВМ (317)/2016-2017

Материал из MachineLearning.

Перейти к: навигация, поиск

Правила сдачи практикума в осеннем семестре 2016/2017

  1. В рамках семестра предполагается три практических задания. Каждое задание оценивается из 5-ти баллов.
  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 12 баллов, оценки 4 — 9 баллов и сдать на положительный балл все три задания, оценки 3 — 6 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

Оценки 2016 года (осень)

ФИО студента Контрольные Задания Сумма Итоговая оценка
№1 №2 №1 №2 №3
Афанасьев Павел 0 0.3 +
Бабичев Дмитрий 0.3 0 +
Байтеков Никита 0.2 0.3 +
Думбай Алексей 0.2 -
Журавская Александра 0.2 0.1 +
Захаренко Вадим - -
Иванов Сергей 0.1 0.5 +
Камалбеков Тимур 0.3 0.3 +
Кодрян Максим 0.2 0.2 +
Козловцев Константин 0.2 0.1 +
Колмакова Татьяна 0.3 0.3 +
Кругликов Николай 0.4 0.5
Липкина Анна 0.5 0.5 +
Мазаев Павел 0.4 0.5 +
Масляков Глеб 0.3 0.4
Мерцалов Александр - 0 +
Николаев Сергей 0.3 0.3 +
Серов Сергей 0.4 0.4 +
Соболева Дарья 0.3 0.5 +
Щекалев Алексей 0.2 0.4 +
Юдин Никита 0.2 0.4 +
Януш Виктор 0.4 0.5 +

Легенда: "+" - задание принято на проверку, "++" - задание отправлено на доработку

Материалы

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

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