http://mit.spbau.ru/sewiki/api.php?action=feedcontributions&feedformat=atom&user=Ekaterina 2026-04-10T14:48:02Z Вклад участника MediaWiki 1.26.2 http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture12.pdf&diff=15740 2018-05-14T08:30:57Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture12.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15581 2018-05-01T09:54:53Z

<p>Ekaterina: /* Лекции */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> 7. [http://mit.spbau.ru/sewiki/images/8/83/ML18-Lecture7.pdf 26 марта, &quot;Способность к обобщению&quot;] &lt;br/&gt;<br /> 8. [http://mit.spbau.ru/sewiki/images/c/c2/ML18-Lecture8.pdf 2 апреля, &quot;Нейронные сети&quot;] &lt;br/&gt;<br /> 9. [http://mit.spbau.ru/sewiki/images/a/a1/ML18-Lecture9.pdf 9 апреля, &quot;Метод опорных векторов&quot;] &lt;br/&gt;<br /> 10. [http://mit.spbau.ru/sewiki/images/e/e7/ML18-Lecture10.pdf 16 апреля, &quot;Линейная регрессия&quot;] &lt;br/&gt;<br /> 11. [http://mit.spbau.ru/sewiki/images/3/31/ML18-Lecture11.pdf 23 апреля, &quot;Анализ смещения и разброса&quot;] &lt;br/&gt;<br /> 12. [http://mit.spbau.ru/sewiki/images/0/05/ML18-Lecture12.pdf 14 мая, &quot;Meтоды восстановления регрессии&quot;] &lt;br/&gt;<br /> 13. [http://mit.spbau.ru/sewiki/images/8/8a/ML18-Lecture13.pdf 21 мая, &quot;Композиции алгоритмов&quot;] &lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> 5. Индейцы пима и линейный классификатор &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 2.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 9.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/b/bd/ML18-Homework5.pdf Домашнее задание 5]&lt;br/&gt;<br /> <br /> 6. Каракули и нейросети &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 9.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 16.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/0/0e/ML18-Homework6.pdf Домашнее задание 6]&lt;br/&gt;<br /> <br /> 7. Ядра SVM &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 16.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 23.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/54/ML18-Homework7.pdf Домашнее задание 7]&lt;br/&gt;<br /> <br /> 8. Недвижимость и регрессия &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 30.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 07.05.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/2/22/ML18-Homework8.pdf Домашнее задание 8]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture13.pdf&diff=15580 2018-05-01T09:53:15Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15579 2018-05-01T09:52:34Z

<p>Ekaterina: /* Лекции */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> 7. [http://mit.spbau.ru/sewiki/images/8/83/ML18-Lecture7.pdf 26 марта, &quot;Способность к обобщению&quot;] &lt;br/&gt;<br /> 8. [http://mit.spbau.ru/sewiki/images/c/c2/ML18-Lecture8.pdf 2 апреля, &quot;Нейронные сети&quot;] &lt;br/&gt;<br /> 9. [http://mit.spbau.ru/sewiki/images/a/a1/ML18-Lecture9.pdf 9 апреля, &quot;Метод опорных векторов&quot;] &lt;br/&gt;<br /> 10. [http://mit.spbau.ru/sewiki/images/e/e7/ML18-Lecture10.pdf 16 апреля, &quot;Линейная регрессия&quot;] &lt;br/&gt;<br /> 11. [http://mit.spbau.ru/sewiki/images/3/31/ML18-Lecture11.pdf 23 апреля, &quot;Анализ смещения и разброса&quot;] &lt;br/&gt;<br /> 12. [http://mit.spbau.ru/sewiki/images/0/05/ML18-Lecture12.pdf 14 мая, &quot;Meтоды восстановления регрессии&quot;] &lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> 5. Индейцы пима и линейный классификатор &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 2.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 9.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/b/bd/ML18-Homework5.pdf Домашнее задание 5]&lt;br/&gt;<br /> <br /> 6. Каракули и нейросети &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 9.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 16.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/0/0e/ML18-Homework6.pdf Домашнее задание 6]&lt;br/&gt;<br /> <br /> 7. Ядра SVM &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 16.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 23.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/54/ML18-Homework7.pdf Домашнее задание 7]&lt;br/&gt;<br /> <br /> 8. Недвижимость и регрессия &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 30.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 07.05.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/2/22/ML18-Homework8.pdf Домашнее задание 8]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture12.pdf&diff=15578 2018-05-01T09:51:07Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15498 2018-04-23T10:35:20Z

<p>Ekaterina: /* Домашние задания. */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> 7. [http://mit.spbau.ru/sewiki/images/8/83/ML18-Lecture7.pdf 26 марта, &quot;Способность к обобщению&quot;] &lt;br/&gt;<br /> 8. [http://mit.spbau.ru/sewiki/images/c/c2/ML18-Lecture8.pdf 2 апреля, &quot;Нейронные сети&quot;] &lt;br/&gt;<br /> 9. [http://mit.spbau.ru/sewiki/images/a/a1/ML18-Lecture9.pdf 9 апреля, &quot;Метод опорных векторов&quot;] &lt;br/&gt;<br /> 10. [http://mit.spbau.ru/sewiki/images/e/e7/ML18-Lecture10.pdf 16 апреля, &quot;Линейная регрессия&quot;] &lt;br/&gt;<br /> 11. [http://mit.spbau.ru/sewiki/images/3/31/ML18-Lecture11.pdf 23 апреля, &quot;Анализ смещения и разброса&quot;] &lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> 5. Индейцы пима и линейный классификатор &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 2.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 9.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/b/bd/ML18-Homework5.pdf Домашнее задание 5]&lt;br/&gt;<br /> <br /> 6. Каракули и нейросети &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 9.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 16.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/0/0e/ML18-Homework6.pdf Домашнее задание 6]&lt;br/&gt;<br /> <br /> 7. Ядра SVM &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 16.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 23.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/54/ML18-Homework7.pdf Домашнее задание 7]&lt;br/&gt;<br /> <br /> 8. Недвижимость и регрессия &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 30.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 07.05.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/2/22/ML18-Homework8.pdf Домашнее задание 8]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Homework8.pdf&diff=15497 2018-04-23T10:34:08Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15496 2018-04-22T15:20:40Z

<p>Ekaterina: /* Лекции */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> 7. [http://mit.spbau.ru/sewiki/images/8/83/ML18-Lecture7.pdf 26 марта, &quot;Способность к обобщению&quot;] &lt;br/&gt;<br /> 8. [http://mit.spbau.ru/sewiki/images/c/c2/ML18-Lecture8.pdf 2 апреля, &quot;Нейронные сети&quot;] &lt;br/&gt;<br /> 9. [http://mit.spbau.ru/sewiki/images/a/a1/ML18-Lecture9.pdf 9 апреля, &quot;Метод опорных векторов&quot;] &lt;br/&gt;<br /> 10. [http://mit.spbau.ru/sewiki/images/e/e7/ML18-Lecture10.pdf 16 апреля, &quot;Линейная регрессия&quot;] &lt;br/&gt;<br /> 11. [http://mit.spbau.ru/sewiki/images/3/31/ML18-Lecture11.pdf 23 апреля, &quot;Анализ смещения и разброса&quot;] &lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> 5. Индейцы пима и линейный классификатор &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 2.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 9.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/b/bd/ML18-Homework5.pdf Домашнее задание 5]&lt;br/&gt;<br /> <br /> 6. Каракули и нейросети &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 9.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 16.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/0/0e/ML18-Homework6.pdf Домашнее задание 6]&lt;br/&gt;<br /> <br /> 7. Ядра SVM &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 16.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 23.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/54/ML18-Homework7.pdf Домашнее задание 7]&lt;br/&gt;<br /> <br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture11.pdf&diff=15495 2018-04-22T15:19:44Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture10.pdf&diff=15425 2018-04-15T18:01:06Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture10.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture10.pdf&diff=15424 2018-04-15T17:52:30Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture10.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture10.pdf&diff=15423 2018-04-15T17:20:12Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture10.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15421 2018-04-15T14:53:43Z

<p>Ekaterina: /* Лекции */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> 7. [http://mit.spbau.ru/sewiki/images/8/83/ML18-Lecture7.pdf 26 марта, &quot;Способность к обобщению&quot;] &lt;br/&gt;<br /> 8. [http://mit.spbau.ru/sewiki/images/c/c2/ML18-Lecture8.pdf 2 апреля, &quot;Нейронные сети&quot;] &lt;br/&gt;<br /> 9. [http://mit.spbau.ru/sewiki/images/a/a1/ML18-Lecture9.pdf 9 апреля, &quot;Метод опорных векторов&quot;] &lt;br/&gt;<br /> 10. [http://mit.spbau.ru/sewiki/images/e/e7/ML18-Lecture10.pdf 16 апреля, &quot;Линейная регрессия&quot;] &lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> 5. Индейцы пима и линейный классификатор &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 2.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 9.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/b/bd/ML18-Homework5.pdf Домашнее задание 5]&lt;br/&gt;<br /> <br /> 6. Каракули и нейросети &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 9.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 16.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/0/0e/ML18-Homework6.pdf Домашнее задание 6]&lt;br/&gt;<br /> <br /> 7. Ядра SVM &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 16.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 23.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/54/ML18-Homework7.pdf Домашнее задание 7]&lt;br/&gt;<br /> <br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture10.pdf&diff=15420 2018-04-15T14:53:02Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15354 2018-04-09T13:57:01Z

<p>Ekaterina: </p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> 7. [http://mit.spbau.ru/sewiki/images/8/83/ML18-Lecture7.pdf 26 марта, &quot;Способность к обобщению&quot;] &lt;br/&gt;<br /> 8. [http://mit.spbau.ru/sewiki/images/c/c2/ML18-Lecture8.pdf 2 апреля, &quot;Нейронные сети&quot;] &lt;br/&gt;<br /> 9. [http://mit.spbau.ru/sewiki/images/a/a1/ML18-Lecture9.pdf 9 апреля, &quot;Метод опорных векторов&quot;] &lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> 5. Индейцы пима и линейный классификатор &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 2.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 9.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/b/bd/ML18-Homework5.pdf Домашнее задание 5]&lt;br/&gt;<br /> <br /> 6. Каракули и нейросети &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 9.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 16.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/0/0e/ML18-Homework6.pdf Домашнее задание 6]&lt;br/&gt;<br /> <br /> 7. Ядра SVM &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 16.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 23.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/54/ML18-Homework7.pdf Домашнее задание 7]&lt;br/&gt;<br /> <br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Homework7.pdf&diff=15353 2018-04-09T13:55:54Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15347 2018-04-08T10:18:00Z

<p>Ekaterina: /* Лекции */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> 7. [http://mit.spbau.ru/sewiki/images/8/83/ML18-Lecture7.pdf 26 марта, &quot;Способность к обобщению&quot;] &lt;br/&gt;<br /> 8. [http://mit.spbau.ru/sewiki/images/c/c2/ML18-Lecture8.pdf 2 апреля, &quot;Нейронные сети&quot;] &lt;br/&gt;<br /> 9. [http://mit.spbau.ru/sewiki/images/a/a1/ML18-Lecture9.pdf 9 апреля, &quot;Метод опорных векторов&quot;] &lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> 5. Индейцы пима и линейный классификатор &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 2.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 9.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/b/bd/ML18-Homework5.pdf Домашнее задание 5]&lt;br/&gt;<br /> <br /> 6. Каракули и нейросети &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 9.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 16.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/0/0e/ML18-Homework6.pdf Домашнее задание 6]&lt;br/&gt;<br /> <br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture9.pdf&diff=15346 2018-04-08T10:17:22Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15293 2018-04-02T12:26:50Z

<p>Ekaterina: </p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> 7. [http://mit.spbau.ru/sewiki/images/8/83/ML18-Lecture7.pdf 26 марта, &quot;Способность к обобщению&quot;] &lt;br/&gt;<br /> 8. [http://mit.spbau.ru/sewiki/images/c/c2/ML18-Lecture8.pdf 2 апреля, &quot;Нейронные сети&quot;] &lt;br/&gt;<br /> <br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> 5. Индейцы пима и линейный классификатор &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 2.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 9.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/b/bd/ML18-Homework5.pdf Домашнее задание 5]&lt;br/&gt;<br /> <br /> 6. Каракули и нейросети &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 9.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 16.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/0/0e/ML18-Homework6.pdf Домашнее задание 6]&lt;br/&gt;<br /> <br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Homework6.pdf&diff=15292 2018-04-02T12:25:58Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15279 2018-04-01T08:19:09Z

<p>Ekaterina: </p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> 7. [http://mit.spbau.ru/sewiki/images/8/83/ML18-Lecture7.pdf 26 марта, &quot;Способность к обобщению&quot;] &lt;br/&gt;<br /> 8. [http://mit.spbau.ru/sewiki/images/c/c2/ML18-Lecture8.pdf 2 апреля, &quot;Нейронные сети&quot;] &lt;br/&gt;<br /> <br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> 5. Индейцы пима и линейный классификатор &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 2.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 9.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/b/bd/ML18-Homework5.pdf Домашнее задание 5]&lt;br/&gt;<br /> <br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture8.pdf&diff=15278 2018-04-01T08:18:23Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15191 2018-03-26T18:05:16Z

<p>Ekaterina: </p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> 7. [http://mit.spbau.ru/sewiki/images/8/83/ML18-Lecture7.pdf 26 марта, &quot;Способность к обобщению&quot;] &lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> 4. Индейцы пима и линейный классификатор &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 2.04.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 9.04.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/b/bd/ML18-Homework5.pdf Домашнее задание 5]&lt;br/&gt;<br /> <br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Homework5.pdf&diff=15190 2018-03-26T18:04:02Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture7.pdf&diff=15166 2018-03-25T15:20:24Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture7.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15165 2018-03-25T11:07:55Z

<p>Ekaterina: </p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> 7. [http://mit.spbau.ru/sewiki/images/8/83/ML18-Lecture7.pdf 26 марта, &quot;Способность к обобщению&quot;] &lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture7.pdf&diff=15164 2018-03-25T11:07:08Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15081 2018-03-18T13:06:35Z

<p>Ekaterina: /* Лекции */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> 6. [http://mit.spbau.ru/sewiki/images/0/09/ML18-Lecture6.pdf 19 марта, &quot;Линейные методы классификации&quot;]&lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture6.pdf&diff=15080 2018-03-18T13:05:49Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15044 2018-03-14T13:00:45Z

<p>Ekaterina: </p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные материалы к лекциям ==<br /> [http://www.ccas.ru/voron/download/Bayes.pdf Лекция 4. Доказательство]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15032 2018-03-12T13:26:22Z

<p>Ekaterina: /* Домашние задания. */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> 4. Байес на страже SMS &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 19.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 26.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/5/58/ML18-Homework4.pdf Домашнее задание 4]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Homework4.pdf&diff=15031 2018-03-12T13:26:06Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture5.pdf&diff=15028 2018-03-11T19:43:31Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture5.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture5.pdf&diff=15027 2018-03-11T18:33:01Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture5.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture5.pdf&diff=15026 2018-03-11T18:15:18Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture5.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture5.pdf&diff=15025 2018-03-11T18:02:54Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture5.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture5.pdf&diff=15024 2018-03-11T17:44:23Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture5.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=15017 2018-03-10T08:40:10Z

<p>Ekaterina: /* Лекции */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> 5. [http://mit.spbau.ru/sewiki/images/5/5d/ML18-Lecture5.pdf 12 марта, &quot;Байесовские методы классификации&quot;]&lt;br/&gt;<br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture5.pdf&diff=15016 2018-03-10T08:39:16Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=14973 2018-03-05T12:50:42Z

<p>Ekaterina: /* Домашние задания. */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> <br /> <br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 12.03.18 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 19.03.18 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=14972 2018-03-05T12:50:12Z

<p>Ekaterina: /* Домашние задания. */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> <br /> <br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.17 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.17 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.17 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.17 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> 3. Одеревенеть от страха &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 23.03.17 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 30.03.17 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/8/83/ML18-Homework3.pdf Домашнее задание 3]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Homework3.pdf&diff=14971 2018-03-05T12:49:32Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=14950 2018-03-04T09:46:48Z

<p>Ekaterina: </p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, &quot;Деревья принятия решений&quot;]&lt;br/&gt;<br /> <br /> <br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.17 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.17 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.17 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.17 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture4.pdf&diff=14949 2018-03-04T09:46:03Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=14823 2018-02-26T13:48:13Z

<p>Ekaterina: /* Домашние задания. */</p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> <br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.17 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.17 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> 2. Comic-Con и k-means &lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 5.03.17 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 12.03.17 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/1/14/ML18-Homework2.pdf Домашнее задание 2]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Homework2.pdf&diff=14822 2018-02-26T13:46:58Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture3.pdf&diff=14821 2018-02-26T13:41:05Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture3.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture3.pdf&diff=14799 2018-02-25T19:19:11Z

<p>Ekaterina: Ekaterina загрузил новую версию Файл:ML18-Lecture3.pdf</p> <hr /> <div></div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_2018&diff=14793 2018-02-25T07:57:11Z

<p>Ekaterina: </p> <hr /> <div>Лекции -- Екатерина Тузова (kt@jetbrains.com)&lt;br/&gt;<br /> Домашние задания -- machine.teaching@gmail.com<br /> <br /> 12 опросов по 5 баллов в начале лекции. &lt;br/&gt;<br /> 8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.&lt;br/&gt;<br /> Экзамен 180 баллов<br /> &lt;br/&gt;&lt;br/&gt;<br /> '''Оценки за курс''': 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно<br /> <br /> == Лекции ==<br /> 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, &quot;Введение&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, &quot;Метрические классификаторы&quot;]&lt;br/&gt;<br /> 2. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, &quot;Кластеризация&quot;]&lt;br/&gt;<br /> <br /> <br /> == Домашние задания. ==<br /> <br /> 1. Соседи и вино&lt;br/&gt;<br /> '''Дедлайн''' (20 баллов): 26.02.17 23:59&lt;br/&gt;<br /> '''Дедлайн''' (10 баллов): 05.03.17 23:59&lt;br/&gt;<br /> <br /> Условие — [http://mit.spbau.ru/sewiki/images/4/43/ML18-Homework1.pdf Домашнее задание 1]&lt;br/&gt;<br /> <br /> == Исходники лекций == <br /> https://github.com/ktisha/ML2018<br /> <br /> == Результаты ==<br /> [https://docs.google.com/spreadsheets/d/19pL5KwfGinPeio1sCkwLmCuQUPpPIX6dZZh452IRca8/edit?usp=sharing Результаты]<br /> <br /> == Дополнительные источники по машинному обучению ==<br /> * Christopher M. Bishop [http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf &quot;Pattern Recognition and Machine Learning&quot;]<br /> * G. James, D. Witten, T. Hastie, R. Tibshirani: [http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf &quot;An Introduction to Statistical Learning&quot;]<br /> * Kevin P. Murphy [http://www.huang-jianhua.com/download/Machine_Learning-_A_Probabilistic_Perspective.pdf &quot;Machine Learning: A Probabilistic Perspective&quot;]<br /> * Professor Yaser Abu-Mostafa [http://work.caltech.edu/telecourse.html MOOC]<br /> * К.В. Воронцов: [http://shad.yandex.ru/lectures/machine_learning.xml MOOC], [http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29 материалы] (в т.ч. [http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf пособие])<br /> * Andrew Ng http://ml-class.org/<br /> * Примеры реализации алгоритмов на Python: [http://www.ozon.ru/context/detail/id/4877842/ Программируем коллективный разум]<br /> * Ullman, Leskovec, Rajaraman [http://infolab.stanford.edu/~ullman/mmds/book.pdf &quot;Mining of Massive Datasets&quot;]<br /> <br /> == Дополнительные источники по Python ==<br /> * [http://cs231n.github.io/python-numpy-tutorial/ &quot;Python Numpy Tutorial&quot;]<br /> * [http://www.cin.ufpe.br/~embat/Python%20for%20Data%20Analysis.pdf &quot;Python for Data Analysis&quot;]<br /> * [https://github.com/jrjohansson/scientific-python-lectures#online-read-only-versions &quot;Scientific Python&quot;]<br /> * [http://it-ebooks.info/book/2865/ &quot;Learning IPython for Interactive Computing and Data Visualization&quot;]<br /> * [http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb &quot;Визуализация в Python&quot;]<br /> * [http://mit.spbau.ru/sewiki/images/c/cf/Scikit-cheat-sheet.png &quot;Scikit-learn algorithm cheat-sheet&quot;]</div>

Ekaterina http://mit.spbau.ru/sewiki/index.php?title=%D0%A4%D0%B0%D0%B9%D0%BB:ML18-Lecture3.pdf&diff=14792 2018-02-25T07:56:24Z

<p>Ekaterina: </p> <hr /> <div></div>

Ekaterina