Машинное обучение 2018

Материал из SEWiki
Перейти к: навигация, поиск

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

Лекции

1. 12 февраля, "Введение"
2. 19 февраля, "Метрические классификаторы"
3. 26 февраля, "Кластеризация"
4. 5 марта, "Деревья принятия решений"
5. 12 марта, "Байесовские методы классификации"
6. 19 марта, "Линейные методы классификации"
7. 26 марта, "Способность к обобщению"
8. 2 апреля, "Нейронные сети"
9. 9 апреля, "Метод опорных векторов"

Домашние задания.

1. Соседи и вино
Дедлайн (20 баллов): 26.02.18 23:59
Дедлайн (10 баллов): 05.03.18 23:59

Условие — Домашнее задание 1

2. Comic-Con и k-means
Дедлайн (20 баллов): 5.03.18 23:59
Дедлайн (10 баллов): 12.03.18 23:59

Условие — Домашнее задание 2

3. Одеревенеть от страха
Дедлайн (20 баллов): 12.03.18 23:59
Дедлайн (10 баллов): 19.03.18 23:59

Условие — Домашнее задание 3

4. Байес на страже SMS
Дедлайн (20 баллов): 19.03.18 23:59
Дедлайн (10 баллов): 26.03.18 23:59

Условие — Домашнее задание 4

5. Индейцы пима и линейный классификатор
Дедлайн (20 баллов): 2.04.18 23:59
Дедлайн (10 баллов): 9.04.18 23:59

Условие — Домашнее задание 5

6. Каракули и нейросети
Дедлайн (20 баллов): 9.04.18 23:59
Дедлайн (10 баллов): 16.04.18 23:59

Условие — Домашнее задание 6


Исходники лекций

https://github.com/ktisha/ML2018

Результаты

Результаты

Дополнительные материалы к лекциям

Лекция 4. Доказательство

Дополнительные источники по машинному обучению

Дополнительные источники по Python