Подготовка к соревнованиям по анализу данных

2021/2022

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Статус: Дисциплина общефакультетского пула

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 1-4 модуль

Преподаватели: Мельников Олег

Язык: русский

Кредиты: 4

Контактные часы: 66

Полная версия программы учебной дисциплины

Аннотация

Этот курс предназначен для подготовленных студентов, желающих поучаствовать в соревнованиях по машинному обучению на основе Kaggle.com и подобных платформ. Студенты будут работать в небольших группах под руководством преподавателя. На еженедельных встречах участники будут обсуждать интересные и релевантные статьи по машинному обучению, обмениваться идеями и стратегиями в текущих соревнованиях. Между встречами участники будут программировать свои идеи/стратегии, получать оценку из системы Kaggle.com и придумывать новые способы для улучшения результатов своих моделей машинного обучения. *** ПРЕДВАРИТЕЛЬНЫЕ НАВЫКИ включают курс по машинному обучению и/или нейронным сетям, а также имеют свежие знания в статистике, прикладной математике, линейной алгебре и программировании на языке Python. Если есть сомнения, то рекомендуется посмотреть на учебники для курса и оценить насколько их материал знаком и было ли уже применение таких моделей в каком-то другом курсе или в практике. В данном курсе мы будем применять эти знания для основной цели - выиграть соревнования. *** ВСТРЕЧИ проводятся через MS Teams по вторникам с 19:40 до 21:00 МСК, но можем поменять, если другое время всем будет удобнее.

Цель освоения дисциплины

этот курс поможет студентам повысить свою экспертизу в соревнованиях, основанных на данных, в разработках моделей машинного обучения, в индивидуальной и командной работе.

Планируемые результаты обучения

Студенты проанализируют результаты своих предыдущих моделей, разработают изменения в модели, протестируют модель локально и загрузят её в соревнование, чтобы получить следующий результат.
Студенты разделятся на команды, просмотрят текущие соревнования на сайте Kaggle.com (или подобном), построят и загрузят базовые модели.

Содержание учебной дисциплины

Введение
Моделирование

Элементы контроля

Участие (оценка преподавателя)
Прогресс в соревновании
Участие (оценка студентов вне собственной группы)
Участие (оценка согрупников)

Промежуточная аттестация

2021/2022 учебный год 4 модуль
0.2 * Прогресс в соревновании + 0.3 * Участие (оценка согрупников) + 0.3 * Участие (оценка преподавателя) + 0.2 * Участие (оценка студентов вне собственной группы)

Программа дисциплины