Занятия проходят по субботам
Телеграм чат https://t.me/ftad2021
Инвайт для Anytask
l9GQlzJ
В курсе предусмотрено несколько форм контроля знания:
- Самостоятельные работы на семинарах, проверяющие знание основных фактов с лекций
- Домашние работы (на Python и теоретические)
- Контрольная работа
- Письменный экзамен
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
Итог = Округление(0.15 * ПР + 0.4 * ДЗ + 0.15 * КР + 0.3 * Э)
ПР — средняя оценка за самостоятельные работы на семинарах
ДЗ — средняя оценка за практические домашние работы на Python
КР — оценка за контрольную работу
Э — оценка за экзамен
Округление арифметическое.
Накопленная, экзаменационная и итоговая оценки округляются арифметически.
Дедлайн по теоретическим заданиям — указывается в задании.
Дедлайн по практическим заданиям — указывается в задании.
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жесткого дедлайна задания сдавать нельзя.
При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.
При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён (при этом получить дополнительные баллы за призовые места на конкурсе можно только при участии в общий срок). Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.
| Дата | Занятие | Материалы |
|---|---|---|
| 11.09.2021 | Введение в машинное обучение. Основы языка python. |
Презентация по введению (по материалам Е. Соколова) Конспект по введению Ноутбук семинара |
| 18.09.2021 | Линейная регрессия. | Конспект по линейной регрессии Ноутбук семинара |
| 25.09.2021 | Градиентное обучение. Оценивание градиента. Основы матрично-векторного дифференцирования. | Конспект по градиентному обучению Семинар по векторному дифференцированию |
| 02.10.2021 | Регуляризация. Градиентный спуск. | Конспект по регуляризации Ноутбук по градиентному спуску Ноутбук по Numpy |
| 09.10.2021 | Линейная классификация. Метрики качества для задачи классификации. Предобработка данных. | Конспект по линейной классификации и метрикам качества Семинар по предобработке данных Ноутбук семинара |
| 16.10.2021 | Линейная классификация. Логистическая регрессия. AUC ROC. | Конспект по логистической регресси Семинар по AUC ROC |
| 30.10.2021 | SVM. Многоклассовая классификация. Калибровка вероятностей. | Конспект по SVM Конспект по многоклассовой классификации Конспект по калибровке вероятностей Ноутбук семинара |
| 13.11.2021 | Решающее дерево. Разложение ошибки на смещение и разброс. | Конспект DT Конспект по BVD Конспект семинара по DT Ноутбук семинара |
| 20.11.2021 | Бэггинг. Случайный лес. | Конспект Конспект семинара по BVD |
| 27.11.2021 | Градиентный бустинг. | Конспект лекции Конспект семинара по BVD |
| 11.12.2021 | Градиентный бустинг. | Конспект лекции Конспект семинара по GB |
Домашнее задание 1: Pandas Мягкий дедлайн: 25.09.2021 23:59 Жесткий дедлайн: 28.09.2021 23:59
Домашнее задание 2: Линейная регрессия. Мягкий дедлайн:: 11.10.2021 23:59 Жесткий дедлайн: 14.10.2021 23:59
Домашнее задание 3: Градиентный спуск. Мягкий дедлайн: 25.10.2021 23:59 Жесткий дедлайн: 28.10.2021 23:59
Домашнее задание 4: Классификация. Мягкий дедлайн: 10.11.2021 23:59 Жесткий дедлайн: 13.11.2021 23:59
Домашнее задание 5: Решающие деревья. Мягкий дедлайн: 25.11.2021 23:59 Жесткий дедлайн: 28.11.2021 23:59
Домашнее задание 6: Разложение ошибки на смещение и разброс. Мягкий дедлайн: 07.12.2021 23:59 Жесткий дедлайн: 10.12.2021 23:59
Домашнее задание 7: Бустинг. Мягкий дедлайн: 20.12.2021 23:59 Жесткий дедлайн: 20.12.2021 23:59
Домашнее задание 1: Линейные модели.
Домашнее задание 2: Векторное дифференцирование.
Домашнее задание 3: Метрики классификации и логистическая регрессия.
Домашнее задание 4: Разложение ошибки на смещение и разброс.
Задача: выявление мошеннических тразнакций
Это соревнование на бонусные баллы, оно не является обязательным.
Ссылка для участия: https://www.kaggle.com/t/bbc6f629ab1a4e4b9a79900f94dea96b
Дедлайн: 13.12.2021 23:59MSK
В задании всего один бейзлайн (lightgbm), ненулевые баллы получают решения, преодолевшие его на приватном лидерборде. Все решения выше этого бейзлайна оцениваются по равномерной шкале от 0 до 5.
Обратите внимание на раздел Baselines на Kaggle — там можно найти много полезного.
Вопросы для подготовки с прошлого года