Александр Дьяконов
Машинное обучение
Акт второй
О курсе
Основная задача программы - ознакомить студентов с теоретическими основами и основными принципами машинного обучения: с классами моделей (линейные, логические, нейросетевые), метриками качествами и подходами к подготовке данных.
Особое внимание в курсе уделяется вопросам предобработки и подготовки данных, генерации и селекции признаков, разведочному анализу данных. В курсе много примеров из практики и практических советов. Кроме классических тем, в курсе уделяется время анализу сложных сетей, методам интерпретации данных и моделей.
Команда курса
Александр Дьяконов
Лектор
Камиль Сафин
Семинарист
Артём Попов
Семинарист
Владимир Бугаевский
Семинарист
Петр Болотин
Семинарист
Критерии получения итоговой оценки
Итоговая оценка по 10-ти балльной шкале (минимальная оценка на зачёт — 3 балла) выставляется по следующим критериям:

D — суммарное число баллов у студента за все домашние задания
M — максимальное число баллов за домашние задания (без учёта бонусов)

Итоговая оценка выставляется по формуле: round(18 * D / M - 6)

Пояснение: за 50% от общего числа баллов можно получить оценку 3, а за 90% оценку 10.

Предварительное значение M = 90-110 баллов.

В семестре планируется:
* 3 конкурса по анализу данных (25-30 баллов каждый)
* 1 теоретическое домашнее задание (10-15 баллов)
* 1 практическое задание (10-15 баллов)
Система сдачи домашних заданий
В этом семестре задания в принимаются в систему сдачи заданий google.classroom. Чтобы получить доступ в систему вам необходимо:

1) Зайти на сайт https://classroom.google.com.

2) Войти в свой аккаунт / создать аккаунт. Обратите внимание, что для использования classroom могут не подходить аккаунты не домена gmail (например, не подходят аккаунты домена университета).

3) Зайти в курс с помощью инвайта 6fmshst.

Для сдачи некоторых заданий вам потребуется система автоматического тестирования задач Яндекс.Контест. Логин и пароль от соревнования автоматически отправляются всем зарегистрированным в classroom пользователям. Если вам не пришёл логин, обратитесь к преподавателю (к Попову Артёму).
Правила выполнения домашних заданий
Все задания выполняются самостоятельно, если не обговорено обратное. Любое задание, содержащее плагиат, автоматически оценивается в 0 баллов. Санкции применяются ко всем учащимся, в чьих работах будет найден плагиат (и к тем кто списал, и к тем кто дал списать).

В связи с этим, если вы используете какой-то код из открытых источников, явно указывайте в комментариях, откуда вы берёте те или иные фрагменты.

У всех заданий есть жёсткий дедлайн. Задания, присланные после дедлайна, автоматически оцениваются в 0 баллов.
Связь с преподавателями
Любые вопросы по курсу можно (и нужно) задавать в telegram-канал курса. Доступ к каналу можно получить по ссылке
Материалы лекций