Машинное обучение 2018 — различия между версиями
Ekaterina (обсуждение | вклад) (→Домашние задания.) |
Ekaterina (обсуждение | вклад) |
||
Строка 11: | Строка 11: | ||
1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, "Введение"]<br/> | 1. [http://mit.spbau.ru/sewiki/images/f/f8/ML18-Lecture1.pdf 12 февраля, "Введение"]<br/> | ||
2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, "Метрические классификаторы"]<br/> | 2. [http://mit.spbau.ru/sewiki/images/7/79/ML18-Lecture2.pdf 19 февраля, "Метрические классификаторы"]<br/> | ||
− | + | 3. [http://mit.spbau.ru/sewiki/images/c/c4/ML18-Lecture3.pdf 26 февраля, "Кластеризация"]<br/> | |
+ | 4. [http://mit.spbau.ru/sewiki/images/d/d3/ML18-Lecture4.pdf 5 марта, "Деревья принятия решений"]<br/> | ||
+ | |||
Версия 12:46, 4 марта 2018
Лекции -- Екатерина Тузова (kt@jetbrains.com)
Домашние задания -- machine.teaching@gmail.com
12 опросов по 5 баллов в начале лекции.
8 домашних заданий по 20 баллов при сдаче в первую неделю, 10 баллов при сдаче во вторую неделю.
Экзамен 180 баллов
Оценки за курс: 320 баллов -- отлично, 280 баллов -- хорошо, 240 баллов -- удовлетворительно
Содержание
Лекции
1. 12 февраля, "Введение"
2. 19 февраля, "Метрические классификаторы"
3. 26 февраля, "Кластеризация"
4. 5 марта, "Деревья принятия решений"
Домашние задания.
1. Соседи и вино
Дедлайн (20 баллов): 26.02.17 23:59
Дедлайн (10 баллов): 05.03.17 23:59
Условие — Домашнее задание 1
2. Comic-Con и k-means
Дедлайн (20 баллов): 5.03.17 23:59
Дедлайн (10 баллов): 12.03.17 23:59
Условие — Домашнее задание 2
Исходники лекций
https://github.com/ktisha/ML2018
Результаты
Дополнительные источники по машинному обучению
- Christopher M. Bishop "Pattern Recognition and Machine Learning"
- G. James, D. Witten, T. Hastie, R. Tibshirani: "An Introduction to Statistical Learning"
- Kevin P. Murphy "Machine Learning: A Probabilistic Perspective"
- Professor Yaser Abu-Mostafa MOOC
- К.В. Воронцов: MOOC, материалы (в т.ч. пособие)
- Andrew Ng http://ml-class.org/
- Примеры реализации алгоритмов на Python: Программируем коллективный разум
- Ullman, Leskovec, Rajaraman "Mining of Massive Datasets"