Статистика случайных процессов (курс лекций, ФКН ВШЭ)

Материал из MachineLearning.

Версия 20:29, 23 января 2017 (править) Artemov (Обсуждение | вклад) (→Домашние задания) ← К предыдущему изменению		Версия 20:39, 23 января 2017 (править) (отменить) Artemov (Обсуждение | вклад) (→Литература) К следующему изменению →
Строка 103:		Строка 103:
	== Литература ==		== Литература ==
-	# J. Nocedal, S. Wright. [http://libgen.io/book/index.php?md5=7016B74CFE6DC64C75864322EE4AA081 Numerical Optimization], Springer, 2006.
-	# S. Boyd, L. Vandenberghe. [http://www.stanford.edu/~boyd/cvxbook/ Convex Optimization], Cambridge University Press, 2004.
-	# S. Sra et al.. [http://libgen.io/book/index.php?md5=9799B67D2A9C45DCAC9D323252054DAF Optimization for Machine Learning], MIT Press, 2011.
-	# A. Ben-Tal, A. Nemirovski. [http://www2.isye.gatech.edu/~nemirovs/OPTIII_LectureNotes2015.pdf Optimization III. Lecture Notes], 2013.
-	# Б. Поляк. [http://premolab.ru/sites/default/files/polyak-optimizationintro.djvu Введение в оптимизацию], Наука, 1983.
-	# Y. Nesterov. [http://libgen.io/book/index.php?md5=049F85DF4693D7C3DC27DDDD0720A096 Introductory Lectures on Convex Optimization: A Basic Course], Springer, 2003.
-	# R. Fletcher. [http://libgen.io/book/index.php?md5=CAFE400511F96424029AB1DCDB1E39F7 Practical Methods of Optimization], Wiley, 2000.
-	# A. Antoniou, W.-S. Lu. [http://libgen.io/book/index.php?md5=5F2D534ED4F5F26608F21866E9A3ABD5 Practical Optimization: Algorithms and Engineering Applications], Springer, 2007.
-	# W. Press et al.. [http://libgen.io/book/index.php?md5=0EDC79280D53EF968FFA05D63DFD5E55 Numerical Recipes. The Art of Scientific Computing], Cambridge University Press, 2007.
	[[Категория:Учебные курсы]]		[[Категория:Учебные курсы]]

---

Версия 20:39, 23 января 2017

Курс дает теоретический и практический фундамент, необходимый при решении множества реальных промышленных задач, связанных с анализом данных в режиме реального времени. Необходимость в таких методах возникает во многих прикладных областях — например, при анализе временных рядов цен на акции, спроса на товары, числа посещений главной страницы интернет-поисковика. Трудность таких задач заключается в требовании максимально эффективного использования накопленной и поступающей информации для прогнозирования появления событий в неизвестном будущем или их обнаружения при неопределенном настоящем. Курс дает двоякие знания — математическую базу теории случайных процессов и навыки практической реализации алгоритмов анализа данных в оффлайн и онлайн-режимах. Будут рассмотрены основные подходы и вероятностные модели теории случайных процессов, такие как гауссовость, марковость, авторегрессионные модели, локально стационарные модели, модели в задачах скорейшего обнаружения; численные алгоритмы, в том числе сегментация, шумоподавление, оценка статистических характеристик, ключевые статистики в задачах обнаружения разладок и аномалий; слушателям будет предложена серия задач, направленных на анализ реальных данных посредством практического применения рассматриваемых подходов.

Занятия проходят на ФКН ВШЭ.

Лектор: Алексей Валерьевич Артемов. Лекции проходят по пятницам с 9:00 до 10:20 в ауд. 509 и (по нечетным неделям) с 12:10 до 13:30 в ауд. 317.

Полезные ссылки

[Карточка курса и программа]

[Репозиторий с материалами на GitHub]

Почта для сдачи домашних заданий: hse.cs.stochastics@gmail.com

[Таблица с оценками]

Оставить отзыв на курс: форма

Вопросы по курсу можно задавать на почту курса, а также в телеграм лектору (artonson@) или семинаристу. Вопросы по материалам лекций/семинаров и по заданиям лучше всего оформлять в виде [Issue] в [github-репозитории курса].

Семинары

Группа	Преподаватель	Учебный ассистент	Расписание	Почта для ДЗ
1	Хромова Ольга Михайловна	Георгий Варганов	пятница, 10:30 – 11:50 (13:30 по четным неделям), ауд. 300	hse.cs.stochastics@gmail.com
2	Волхонский Денис Алексеевич	Гайни Икрам	пятница, 10:30 – 11:50 (13:30 по четным неделям), ауд. 311	hse.cs.stochastics@gmail.com

Консультации

Консультации с учебными ассистентами по курсу проводятся согласно следующему расписанию.

Группа	Учебный ассистент	Расписание	Почта для ДЗ
1	Георгий Варганов	пятница, 10:30 – 11:50 (13:30 по четным неделям), ауд. 300	hse.cs.stochastics@gmail.com
2	Гайни Икрам	пятница, 10:30 – 11:50 (13:30 по четным неделям), ауд. 311	hse.cs.stochastics@gmail.com

Система выставления оценок по курсу

1. В рамках курса предполагается:
   1. Шесть домашних заданий (теоретических и практических).
   2. Проверочные самостоятельные работы на семинарах.
   3. Устный коллоквиум по темам 1--6.
   4. Устный экзамен.
2. Каждое задание, коллоквиум и экзамен оцениваются по десятибалльной шкале.
3. Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

O_{итоговая} = 0.7 * O_{накопленная} + 0.3 * О_экз

1. Оценка за работу в семестре вычисляется по формуле

O_{накопленная} = 0.1 * O_{самостоятельные} + 0.6 * О_дз + 0.3 * О_{коллоквиум}

1. Оценка за самостоятельную работу вычисляется как среднее по всем самостоятельным, оценка за домашнюю работу — как среднее по всем практическим заданиям и соревнованиям.
2. Также во время лекций и семинаров выдаются задачи, за которые можно получить дополнительные баллы, которые влияют на итоговую оценку.

Правила сдачи заданий

В рамках курса предполагается сдача нескольких домашних заданий. Домашнее задание сдаётся к указанной по почте дате в виде pdf-файла, оформленного с помощью LaTeX. Домашние задания после срока сдачи не принимаются.

Все домашние задания выполняются самостоятельно. Если задание выполнялось сообща или использовались какие-либо сторонние коды и материалы, то об этом должно быть написано в отчёте. В противном случае «похожие» решения считаются плагиатом и все задействованные студенты (в том числе те, у кого списали) получают за задание оценку ноль.

Лекции

Дата	№ занятия	Занятие	Материалы
13 января 2017	1	Введение в курс. Основы теории случайных процессов. Непрерывность случайного процесса.	Конспект лекции
13 января 2017	2	Стационарные случайные процессы. Пуассоновский и винеровский процесс.	Конспект лекции
20 января 2017	3	Генерирование реализаций случайных процессов. Дискретные марковские цепи.	IPython-тетрадки
27 января 2017	4	Марковские случайные процессы.
27 января 2017	5	Авторегрессионные и условно-гауссовские модели временных рядов.

Семинары

№ п/п	Дата	Занятие	Материалы

Домашние задания

Задание 1. Основы теории случайных процессов. Срок сдачи: 5 февраля 2017, 23:59.

Литература