- Новости
- Краткая информация
- Время и место
- Связь с преподавателями
- Результаты выполнения заданий
- Программа курса
- Список литературы
- Полезные ссылки
- (2021-10-07) Доступно первое домашнее задание. Для его получения необходимо зарегистрироваться в Telegram-bot-е и выполнить команду /get seminar01. Для сдачи задания необходимо отправить файл, заполнив поле caption - seminar01. Срок сдачи задачи без штрафов до 12.10.2021.
- (2021-10-05) Выложена первая лекция(вводная часть, историческая справка, кросс-валидация и дилемма смещения-разброса), первый семинар, а также код к нему
- (2021-10-03) Создан данный репозиторий
- Первое лекционное занятие состоится во вторник, 5 октября, в 16:45 онлайн в Zoom (ссылка будем разослана в соотв. канале)
- Первое семинарское занятие состоится во вторник, 5 октября, в 18:00 онлайн в Zoom (ссылка будем разослана в соотв. канале)
- Помимо лекций будут проходить еще и семинарские занятия, на которых будут обсуждаться практические вопросы машинного обучения. Семинары будут проходить сразу после лекций.
В осеннем семестре 2021 года на механико-математическом факультете МГУ им. М. В. Ломоносова начинается чтение нового спецкурса по выбору студента, посвященного классическим алгоритмам машинного обучения (теория + практика).
Курс будет читаться на базе кафедры Математической Теории Интеллектуальных Систем под руководством д.ф.-м.н., профессора Бабина Д. Н.
Курс будут читать к.ф.-м.н. Петюшко А. А. и к.ф.-м.н. Иванов И. Е.
Курс читается по вторникам в 16:45 (теория) и 18:00 (практика) онлайн в Zoom.
- Telegram-канал, в котором будут появляться все важные новости
- Обратная связь - по почте mlcoursemm@gmail.com
- Telegram-bot для отправки домашних заданий
- Ну и всегда можно написать в issues :)
| Номер | Дата | Лекция | Семинар | ДЗ |
|---|---|---|---|---|
| 01 | 05.10.2021 | Вводная лекция. Кросс-валидация, дилемма смещения-разброса | Вводное занятие. Кросс-валидация | |
| 02 | 12.10.2021 | Вероятностный подход к классификации | Решение задач | |
| 03 | 19.10.2021 | Метод ближайших соседей в задачах машинного обучения | Приближенные и точные методы поиска ближайших соседей | |
| 04 | 26.10.2021 | Линейная регрессия | Работа с категориальными и пропущенными значениями | Соревнование |
- Курс лекций по машинному обучению на http://www.machinelearning.ru от Воронцова К. В.
- Hastie, T. and Tibshirani, R. and Friedman, J. The Elements of Statistical Learning, 2nd edition, Springer, 2009.
- Bishop, C.M. Pattern Recognition and Machine Learning, Springer, 2006.
- Краткая справочная информация по Python, NumPy, SciPy, SciKit-learn, Pandas, MatPlotLib, Jupyter Notebook: см. в папке с документацией курса 2019 года
- Python Programming in 15 min: Part1, Part2, Part3
- Python Programmin - A Modern Approach: Code, notebooks and slides
- Playground and Cheatsheet for Learning Python: github repo
- Homemade Machine Learning: github repo
- Machine learning: Курс Andrew Ng на площадке https://www.coursera.org