- Новости
- Краткая информация
- Время и место
- Связь с преподавателями
- Результаты выполнения заданий
- Программа курса
- Список литературы
- Полезные ссылки
- (2020-12-01) Выложены девятая лекция и девятый семинар (с кодом)
- (2020-11-24) Выложены восьмая лекция и восьмой семинар (с кодом)
- (2020-11-17) Выложена ссылка на соревнование
- (2020-11-10) Выложено второе теоретическое задание. Дедлайн: 28 ноября 23:59:59 (после этого срока баллы будут умножаться на 0.5). Отправлять на почту курса [email protected] с темой [ML2020A:theory02]
- (2020-11-10) Выложены шестая лекция и шестой семинар (с кодом)
- (2020-11-03) Выложены пятая лекция и пятый семинар (с кодом1, кодом2)
- (2020-10-27) Выложены четвертая лекция и четвёртый семинар
- (2020-10-27) Выложено первое практическое задание. Дедлайн: 14 ноября 23:59:59 (после этого срока баллы будут умножаться на 0.5). Отправлять на почту курса [email protected] с темой [ML2020A:coding01]
- (2020-10-20) Выложено первое теоретическое задание. Дедлайн: 07 ноября 23:59:59 (после этого срока баллы будут умножаться на 0.5). Отправлять на почту курса [email protected] с темой [ML2020A:theory01]
- (2020-10-20) Выложены третья лекция и третий семинар
- (2020-10-13) Выложены вторая лекция и код со второго семинара
- (2020-10-07) Выложены первая лекция и первый семинар (с кодом)
- (2020-09-29) Создан данный репозиторий
- Первое лекционное занятие состоится во вторник, 6 октября, в 18:00 онлайн в Zoom (ссылка будем разослана в соотв. канале)
- Первое семинарское занятие состоится во вторник, 6 октября, в 19:30 онлайн в Zoom (ссылка будем разослана в соотв. канале)
- Помимо лекций будут проходить еще и семинарские занятия, на которых будут обсуждаться практические вопросы машинного обучения. Семинары будут проходить сразу после лекций.
В осеннем семестре 2020 года на механико-математическом факультете МГУ им. М. В. Ломоносова начинается чтение нового спецкурса по выбору студента, посвященного классическим алгоритмам машинного обучения (теория + практика).
Курс будет читаться на базе кафедры Математической Теории Интеллектуальных Систем под руководством д.ф.-м.н., профессора Бабина Д. Н.
Курс будут читать к.ф.-м.н. Петюшко А. А. и к.ф.-м.н. Иванов И. Е.
Курс читается по вторникам в 18:00 (теория) и 19:30 (практика) онлайн в Zoom.
- Telegram-канал, в котором будут появляться все важные новости
- Обратная связь - по почте [email protected]
- Ну и всегда можно написать в issues :)
| Номер | Дата | Лекция | Семинар | ДЗ |
|---|---|---|---|---|
| 01 | 06.10.2020 | Вводная лекция. Кросс-валидация, дилемма смещения-разброса | Вводное занятие. Кросс-валидация, дилемма смещения-разброса | |
| 02 | 13.10.2020 | Непараметрические методы классификации и регрессии | Алгоритмы kNN, кластеризации k-means | |
| 03 | 20.10.2020 | Вероятностный подход к классификации | Наивный байесовский классификатор | Теория1 |
| 04 | 27.10.2020 | Регрессия и оценка качества | Линейная регрессия. | Практика1 |
| 05 | 03.11.2020 | Линейные классификаторы | Метрики качества классификаторов | |
| 06 | 10.11.2020 | SVM | Построение SVM | Теория2 |
| 07 | 17.11.2020 | Решающие деревья. Случайный лес | Работа с пропущенными значениями. Выбор признаков | Соревнование |
| 08 | 24.11.2020 | Ансамбли | SVR | |
| 09 | 01.12.2020 | Ансамбли | Обзор методов ансамблирования в sklearn | |
| 10 | 08.12.2020 | Методы уменьшения размерности | Разбор домашних заданий курса |
- Курс лекций по машинному обучению на http://www.machinelearning.ru от Воронцова К. В.
- Hastie, T. and Tibshirani, R. and Friedman, J. The Elements of Statistical Learning, 2nd edition, Springer, 2009.
- Bishop, C.M. Pattern Recognition and Machine Learning, Springer, 2006.
- Краткая справочная информация по Python, NumPy, SciPy, SciKit-learn, Pandas, MatPlotLib, Jupyter Notebook: см. в папке с документацией курса 2019 года
- Python Programming in 15 min: Part1, Part2, Part3
- Python Programmin - A Modern Approach: Code, notebooks and slides
- Playground and Cheatsheet for Learning Python: github repo
- Homemade Machine Learning: github repo
- Machine learning: Курс Andrew Ng на площадке https://www.coursera.org
- News
- Short info
- Time and place
- Communication with teachers
- Task results
- Course program
- Bibliography
- Useful links
- (2020-12-01) Uploaded 9th [lecture] (./lectures/lecture09-boosting.pdf) and 9th seminar (with code)
- (2020-11-24) Uploaded 8th lecture and 9th seminar (with code)
- (2020-11-17) Uploaded link to competition
- (2020-11-10) Uploaded second theoretical task. Deadline: 28 November 23:59:59 (after this deadline, points will be multiplied by 0.5). Send an e-mail the course [email protected] with a subject [ML2020A:theory02]
- (2020-11-10) Uploaded 6th lecture and sixth seminar (with code)
- (2020-11-03) Uploaded 5th lecture and fifth seminar (with code, code2)
- (2020-10-27) Uploaded 4th lecture and fourth seminar
- (2020-10-27) Uploaded first practical task. Deadline: November 14th 23:59:59 (after this deadline, points will be multiplied by 0.5). Send to the course email [email protected] with a subject title [ML2020A:coding01]
- (2020-10-20) Uploaded first theoretical task. Deadline: 07 November 23:59:59 (after this deadline, points will be multiplied by 0.5). Send to the course email [email protected] with a subject title [ML2020A:theory01]
- (2020-10-20) Uploaded 3rd lecture and 3rd seminar
- (2020-10-13) Uploaded 2nd lecture and the code from the 2nd seminar
- (2020-10-07) Uploaded 1st lecture and 1st seminar (with code)
- (2020-09-29) This repository has been created
- The first lecture will take place on Tuesday, October 6, at 18:00 online at Zoom (link will be sent to the corresponding channel)
- The first seminar will take place on Tuesday, October 6, at 19:30 online at Zoom (link will be sent to the corresponding channel)
- In addition to the lectures, there will also be seminars that will discuss practical issues of machine learning. Seminars will be held immediately after the lectures.
In the fall semester of 2020 at the Faculty of Mechanics and Mathematics of Lomonosov Moscow State University begins reading a new special course of the student's choice, dedicated to classical machine learning algorithms (theory + practice).
The course will be taught on the basis of the Department of Mathematical Theory of Intelligent Systems under the guidance of Doctor of Physical and Mathematical Sciences, Professor Babin D.N.
The course will be taught by Ph.D. Petiushko A.A. and Ph.D. Ivanov I.E.
The lessons are to be taught on Tuesdays at 18:00 (theory) and 19:30 (practice) online at Zoom.
- Telegram-channel, in which all important news will appear
- Feedback - by email [email protected]
- Well, you can always write in issues :)
| Number | Date | Lecture | Seminar | Hometask |
|---|---|---|---|---|
| 01 | 06.10.2020 | Introductory lecture. Cross-validation, the bias-variance tradeoff | Introductory lesson. Cross-validation, the bias-variance tradeoff | |
| 02 | 13.10.2020 | Nonparametric classification and regression methods | KNN algorithms, k-means clustering | |
| 03 | 20.10.2020 | Probabilistic approach to classification | Naive Bayesian Classifier | Theory1 |
| 04 | 27.10.2020 | Regression and quality assessment | Linear regression. | Practice1 |
| 05 | 03.11.2020 | Linear classifiers | Classifier quality metrics | |
| 06 | 10.11.2020 | SVM | Building SVM | Theory2 |
| 07 | 17.11.2020 | Decision trees. Random forest | Working with missing values. Feature selection | Competition |
| 08 | 24.11.2020 | Ensembles 1 | SVR | |
| 09 | 01.12.2020 | Ensembles 2 | An overview of ensemble methods in sklearn | |
| 10 | 08.12.2020 | Dimension reduction methods | Analysis of the course homework |
- Machine Learning Lecture Course on http://www.machinelearning.ru from Vorontsov K.V.
- 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.
- Quick reference information on Python, NumPy, SciPy, SciKit-learn, Pandas, MatPlotLib, Jupyter Notebook: see in folder with documentation course 2019 year
- Python Programming in 15 min: Part1, Part2, Part3
- Python Programming - A Modern Approach: Code, notebooks and slides
- Playground and Cheatsheet for Learning Python: github repo
- Homemade Machine Learning: github repo
- Machine learning: Course by Andrew Ng on the site https://www.coursera.org