Алгоритмы, модели, алгебры (курс лекций, Ю.И. Журавлев, А.Г. Дьяконов)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Успеваемость)
(Успеваемость)
(21 промежуточная версия не показана)
Строка 34: Строка 34:
Курс посвящён решению прикладных задач анализа данных.
Курс посвящён решению прикладных задач анализа данных.
Разбираются реальные задачи и бизнес-кейсы.
Разбираются реальные задачи и бизнес-кейсы.
-
Студенты пишут и настраивают алгоритмы на языках Python, R, M (Matlab).
+
Студенты пишут и настраивают алгоритмы на языке Python.
Семинары посвящены
Семинары посвящены
Строка 69: Строка 69:
В этом году все материалы выкладываются здесь: https://github.com/Dyakonov/PZAD.
В этом году все материалы выкладываются здесь: https://github.com/Dyakonov/PZAD.
-
 
-
Сдача ДЗ:
 
-
* Необязательное (лекция-1): https://www.kaggle.com/c/pzadbabki/discussion/65863/
 
-
* Игра "Что за данные" ('''к 23.09.2018'''): https://www.kaggle.com/c/pzadbabki/discussion/66104
 
-
* Необязательное (лекция-2): https://www.kaggle.com/c/pzadbabki/discussion/65863 (та же ветка, что и для 1й)
 
-
* Визуализация внешних данных ('''к 30.09.2018'''): - https://www.kaggle.com/c/pzadbabki/discussion/66107
 
-
* Выбираем прикладную задачу https://www.kaggle.com/c/pzadbabki/discussion/66990
 
-
* Решаем задачу https://www.kaggle.com/c/ga-customer-revenue-prediction/
 
-
 
-
Подробности: https://www.kaggle.com/c/pzadbabki/discussion/66990
 
-
 
-
'''15/10/2018'''
 
-
* Предлагаем задачу для след. соревнования: https://www.kaggle.com/c/pzadbabki/discussion/68699
 
-
* Постоянная ветка для сдачи полу-обязательного ДЗ: https://www.kaggle.com/c/pzadbabki/discussion/65863
 
-
* Готовимся к к/р по функциям ошибки (22.10 - контрольной не будет!)
 
-
 
-
 
-
Все вопросы можно задавать в соответствующих ветках форума.
 
== Успеваемость ==
== Успеваемость ==
-
 
-
[[Изображение:r20181023.png]]
 
-
 
-
актуальный рейтинг лежит пока здесь (из-за проблем с загрузкой на ML): https://github.com/Dyakonov/PZAD/blob/master/reit2018_4.png
 
-
 
-
Комментарий по последнему заданию:
 
-
 
-
* Байтеков, Журавская, Лукина - не участвовали в соревновании
 
-
* Козловцев, Кругликов - тривиальное решение + нет kernel
 
-
* Януш, Урванов - нет kernel
 
-
 
-
Если я в чём-то не прав - пишите: https://www.kaggle.com/c/pzadbabki/discussion/68709
 
-
 
-
К сожалению, не все добросовестно сражались в соревновании.
 
-
Некоторые из не получивших штрафные баллы просто взяли готовые кернелы и всё...
 
-
Постараюсь в следующих заданиях этого не допустить;)
 
== Литература ==
== Литература ==
Строка 111: Строка 77:
== История ==
== История ==
Программы прошлых лет см. здесь:
Программы прошлых лет см. здесь:
 +
* [[Прикладные задачи анализа данных (курс на ВМК 2018 года)]]
* [[Прикладные задачи анализа данных (курс на ВМК 2017 года)]]
* [[Прикладные задачи анализа данных (курс на ВМК 2017 года)]]
* [[Прикладные задачи анализа данных (курс на ВМК 2016 года)]]
* [[Прикладные задачи анализа данных (курс на ВМК 2016 года)]]

Версия 17:37, 1 сентября 2019

Содержание

ПРИКЛАДНЫЕ ЗАДАЧИ АНАЛИЗА ДАННЫХ (курс для магистров ММП ВМК МГУ)

  • Обязательный курс для магистров каф. ММП 1 г/о, читается в 1-м (9-м) семестре.
  • Лекции — 36 часов, семинаров - 36 часов.
  • Экзамен.
  • За курс отвечает кафедра Математических методов прогнозирования.
  • Автор программы: профессор А. Г. Дьяконов.



Как будет проходить экзамен:
  • Есть система штрафных баллов, по ней формируется итоговая оценка.
  • Пороги для конкретных оценок (по сумме баллов) объявлены изначально, но могут быть откорректированы лектором в пользу студентов.
  • Сам экзамен проводится письменно - на нём (при желании) можно улучшить итоговую оценку

хорошее написание письменного экзамена увеличивает итоговую оценку на 1 балл (порог будет заранее объявлен), безупречное написание - на 2 балла.

  • Итоговая "отлично" ставится автоматом.
  • Итоговая "неудовлетворительно" также ставится автоматом и означает недопуск к экзамену, чтобы получить допуск надо сдать все несданные задания (итоговая оценка при этом не меняется и может быть исправлена только на самом экзамене). Перечень заданий для допуска определяется персонально с учётом заданий, сданных во время семестра.


Содержание экзамена: задания эквивалентные заданиям со всех контрольных и семинаров (плюс задания по спектральной теории графов, плюс задания на знания теории и определений, если они были на лекциях и продублированы в списке рекомендуемой литературы, плюс задания на знания языков/библиотек, если они обсуждались на семинарах и лекциях)


  • Экзамен проходит по жёсткой схеме: нельзя пользоваться ничем (кроме ручки и листка бумаги). Аналогично контроль сдаваемых заданий после окончания семестра жёсткий: лектор уже не консультирует по самим заданиям, презентации оцениваются по формальным критериям: наличие постановки задачи, описание предложенных методов, их обоснование, подробное изложение экспериментов (с графиками и таблицами), формирование итоговой модели, выводы. Оценивается и сам доклад по задаче!


Аннотация

Курс посвящён решению прикладных задач анализа данных. Разбираются реальные задачи и бизнес-кейсы. Студенты пишут и настраивают алгоритмы на языке Python.

Семинары посвящены

  • докладам по решению прикладных задач (с презентациями),
  • опросам по выполнению домашнего задания,
  • обучению программированию на скриптовых языках (для тех, у кого их не было в бакалавриате),
  • мозговому штурму по решению задач и обсуждению решений,
  • написанию контрольных работ, решению аналитических задач, работе над ошибками.

Система оценивания

В течение семестра студенты получают задания.

При сдаче правильно выполненного задания в срок студент не получает штрафных баллов.

В противном случае - он получает от 1 до 10 штрафных баллов.

Штраф в 10 баллов допустим за позднюю сдачу (даже если решение верное) в случае отсутствия уважительных причин (болезнь, подтверждаемая справкой, и т.п. - см. требования учебной части).

В некоторых случаях (на усмотрение лектора), магистру, который лучше всех выполнил конкретное задание, списываются штрафные баллы (до 10).

На экзамене также за неверные ответы студент получает штрафные баллы.


Итоговая оценка формируется следующим образом:

  • до 10 штрафных баллов включительно - отлично,
  • до 20 штрафных баллов включительно - хорошо,
  • до 30 штрафных баллов включительно - удовлетворительно.

Содержание курса

В этом году все материалы выкладываются здесь: https://github.com/Dyakonov/PZAD.

Успеваемость

Литература

Указана локально - в слайдах / сетке расписания.

История

Программы прошлых лет см. здесь:

Личные инструменты