- Новости
- Краткая информация
- Время и место
- Связь с преподавателями
- Результаты выполнения заданий
- Программа курса
- Список литературы
- Полезные ссылки
- (2020-10-27) Выложены четвертая лекция и четвёртый семинар
- (2020-10-27) Выложено первое практическое задание. Дедлайн: 14 ноября 23:59:59 (после этого срока баллы будут умножаться на 0.5). Отправлять на почту курса [email protected] с темой [ML2020:coding01]
- (2020-10-20) Выложено первое теоретическое задание. Дедлайн: 07 ноября 23:59:59 (после этого срока баллы будут умножаться на 0.5). Отправлять на почту курса [email protected] с темой [ML2020:theory01]
- (2020-10-20) Выложены третья лекция и третий семинар
- (2020-10-13) Выложены вторая лекция и код со второго семинара
- (2020-10-07) Выложены первая лекция и первый семинар (с кодом)
- (2020-09-29) Создан данный репозиторий
- Первое лекционное занятие состоится во вторник, 6 октября, в 18:00 онлайн в Zoom (ссылка будем разослана в соотв. канале)
- Первое семинарское занятие состоится во вторник, 6 октября, в 19:30 онлайн в Zoom (ссылка будем разослана в соотв. канале)
- Помимо лекций будут проходить еще и семинарские занятия, на которых будут обсуждаться практические вопросы машинного обучения. Семинары будут проходить сразу после лекций.
В осеннем семестре 2020 года на механико-математическом факультете МГУ им. М. В. Ломоносова начинается чтение нового спецкурса по выбору студента, посвященного классическим алгоритмам машинного обучения (теория + практика).
Курс будет читаться на базе кафедры Математической Теории Интеллектуальных Систем под руководством д.ф.-м.н., профессора Бабина Д. Н.
Курс будут читать к.ф.-м.н. Петюшко А. А. и к.ф.-м.н. Иванов И. Е.
Курс читается по вторникам в 18:00 (теория) и 19:30 (практика) онлайн в Zoom.
- Telegram-канал, в котором будут появляться все важные новости
- Обратная связь - по почте [email protected]
- Ну и всегда можно написать в issues :)
| Номер | Дата | Лекция | Семинар | ДЗ |
|---|---|---|---|---|
| 01 | 06.10.2020 | Вводная лекция. Кросс-валидация, дилемма смещения-разброса | Вводное занятие. Кросс-валидация, дилемма смещения-разброса | |
| 02 | 13.10.2020 | Непараметрические методы классификации и регрессии | Алгоритмы kNN, кластеризации k-means | |
| 03 | 20.10.2020 | Вероятностный подход к классификации | Наивный байесовский классификатор | Теория1 |
| 04 | 27.10.2020 | Регрессия и оценка качества | Линейная регрессия. | Практическое задание 1 |
| 05 | 03.11.2020 | Линейные классификаторы | Метрики качества классификаторов | |
| 06 | 10.11.2020 | SVM | Построение SVM | |
| 07 | 17.11.2020 | Решающие деревья. Случайный лес | Работа с пропущенными значениями. Выбор признаков | |
| 08 | 24.11.2020 | Ансамбли | SVR | |
| 09 | 01.12.2020 | Ансамбли | Обзор методов ансамблирования в sklearn | |
| 10 | 08.12.2020 | Методы уменьшения размерности | Разбор домашних заданий курса |
- Курс лекций по машинному обучению на http://www.machinelearning.ru от Воронцова К. В.
- Hastie, T. and Tibshirani, R. and Friedman, J. The Elements of Statistical Learning, 2nd edition, Springer, 2009.
- Bishop, C.M. Pattern Recognition and Machine Learning, Springer, 2006.
- Краткая справочная информация по Python, NumPy, SciPy, SciKit-learn, Pandas, MatPlotLib, Jupyter Notebook: см. в папке с документацией курса 2019 года
- Python Programming in 15 min: Part1, Part2, Part3
- Python Programmin - A Modern Approach: Code, notebooks and slides
- Playground and Cheatsheet for Learning Python: github repo
- Homemade Machine Learning: github repo
- Machine learning: Курс Andrew Ng на площадке https://www.coursera.org