Машинное обучение (семинары, ВМК МГУ)
Материал из MachineLearning.
(Различия между версиями)
(→Расписание занятий) |
(→Расписание занятий) |
||
| Строка 83: | Строка 83: | ||
| [https://github.com/esokolov/ml-course-msu/blob/master/ML15/lecture-notes/Sem04_trees.pdf Конспект] | | [https://github.com/esokolov/ml-course-msu/blob/master/ML15/lecture-notes/Sem04_trees.pdf Конспект] | ||
| [https://github.com/esokolov/ml-course-msu/blob/master/ML15/homeworks/Sem04_trees_hw.pdf Домашнее задание] | | [https://github.com/esokolov/ml-course-msu/blob/master/ML15/homeworks/Sem04_trees_hw.pdf Домашнее задание] | ||
| + | |- | ||
| + | |9 октября | ||
| + | |align="center"|Семинар 5 | ||
| + | | | ||
| + | Метрики качества: | ||
| + | * Регрессия: MSE, MAE, квантильная регрессия | ||
| + | * Бинарная классификация: precision/recall, AUC-ROC, AUC-PR, Lift | ||
| + | * Многоклассовая классификация: micro-averaging, macro-averaging | ||
| + | | [https://github.com/esokolov/ml-course-msu/blob/master/ML15/lecture-notes/Sem05_metrics.pdf Конспект] | ||
| + | | [https://github.com/esokolov/ml-course-msu/blob/master/ML15/homeworks/Sem05_metrics_hw.pdf Домашнее задание] | ||
| + | |- | ||
| + | |9 октября | ||
| + | |align="center"|Семинар 6 | ||
| + | | | ||
| + | Решающие деревья: | ||
| + | * примеры в sklearn | ||
| + | * объединение в решающие леса | ||
| + | |||
| + | Выдача первого конкурса: | ||
| + | * работа с текстами | ||
| + | * разреженные признаки | ||
| + | * blending | ||
| + | * word2vec | ||
| + | | [https://github.com/esokolov/ml-course-msu/blob/master/ML15/lecture-notes/Sem06_contest.pdf Слайды] | ||
| + | [https://github.com/esokolov/ml-course-msu/blob/master/ML15/src/Sem06_trees.ipynb Код по деревьям] | ||
| + | [https://github.com/esokolov/ml-course-msu/blob/master/ML15/src/Sem06_word2vec_fun.ipynb Код по word2vec] | ||
| + | [https://github.com/esokolov/ml-course-msu/blob/master/ML15/src/Sem06_contest_intro.ipynb Код по данным конкурса] | ||
| + | [https://db.tt/Pl0VzKeg Модель word2vec] | ||
| + | | | ||
|} | |} | ||
Версия 14:28, 9 октября 2015
|
|
|
Выставление оценки за курс
Итоговая контрольная работа:
- На последней лекции будет проведена контрольная работа, которая затронет все темы, изученные в течение семестра.
- Контрольная оценивается по двухбалльной шкале (зачет/незачет), незачет влечет за собой недопуск к экзамену.
- 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:
- 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.
- Также на семинарах будут выдаваться практические задания, которые будут оцениваться по пятибалльной шкале.
- 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.
- Оценка за работу в семестре равна сумме оценок за проверочные работы, практические задания и конкурсы.
- 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.
- 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).
- 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:
| Конспект | |
| 11 сентября | Семинар 2 |
Метрические методы:
| Конспект | |
| 25 сентября | Семинар 3 |
Метрические методы:
| Конспект | Домашнее задание |
| 2 октября | Семинар 4 |
Решающие деревья:
| Конспект | Домашнее задание |
| 9 октября | Семинар 5 |
Метрики качества:
| Конспект | Домашнее задание |
| 9 октября | Семинар 6 |
Решающие деревья:
Выдача первого конкурса:
| Слайды
Код по деревьям Код по word2vec Код по данным конкурса Модель word2vec |
Практические задания
Решения желательно присылать сразу в двух форматах:
- ссылка для просмотра ноутбука на NBViewer или GitHub
- файл с ноутбуком во вложении
За каждый день просрочки из оценки вычитается 0.2 балла.
| Задание | Тема | Дата выдачи | Срок сдачи | Условие |
|---|---|---|---|---|
| Лабораторная работа 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: см. репозиторий.
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
