Skip to content

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

130 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

МИСИС ML 2024/2025

Данные материалы подготовлены для годового курса машинного обучения в НИТУ МИСИС.
Цель курса - познакомить с инструментами для работы с машимнным обучением, нейронными сетями, а также с самими моделями, применительно к реальным задачам.

Авторы курса: Егоров Алексей и Хасанова Аделя

Модуль №1 Программирования на python для машнного обучения

Формы контроля: коллоквиум по итогам модуля.

[0] Установочная презентация
[1] Основы Python 1
[2] Основы Python 2
[3] NumPy
[4] Pandas 1
[5] Pandas 2
[6] Визуализация
[7] ТВиМС
[8] Точечные оценки
[9] Гипотезы и ошибки
[10] Проверки и интервалы
[11] Условная вероятность
[12] Наивный Баес

Модуль №2. Основы машинного обучения

Формы контроля: коллоквиум по итогам модуля.

[13] Градиентный спуск
[14] Данные для собственной регрессии
[15] Шаблон для создания метода регрессии градиентным спуском
[16] Линейная регрессия
[17] Устранение пропусков и методы разделения выборки
[18] Логистическая регрессия
[19] Оценка качества классификации
[20] Разбор демо-версии олимпиады "Я-профессионал"
[21] Дерево решений
[22] Случайный лес
[23] Сравнение леса и дерева
[24] Бустинг
[25] Кластеризация

Модуль №3. Нейронные сети

[26] Нейронные сети
[27] Тензоры на Torch
[28] Написание НС с нуля
[29] НС для решения задачи классификации
[30] НС для решения задачи регрессии
[31] Свёрточные сети
[32] MNIST c использованием CNN
[33]
[34]
[35]
[36] \

Дополнительный материалы

[0] Пара фишек Python, о которых не сказали ранее
[1] Работа с файлами
[2] Math
[3] Решение задачи "Ужин у лесника" и "Марсианские числа" \

Самостоятельная работа

Небольшие работы на проверку навыков или знаний.

[0] Основы Python без условий, циклов, модулей
[1] np и math
[2] Pandas
[3] Визуализация

Домашнее задание в первом семестре

[0] Контест на Python
[1] Контест на NumPy
[2] Контест на Pandas
[3] Обязательное ДЗ №1. Пример решения
[4] ДЗ №2. Передаль сеть Хопфилда на векторные вычисления
[5] ДЗ №3 Регрессия
[6] ДЗ №4 Классификация
[7] Написать своё дерево решений на основании шаблонов.
[8] Написать свой случайный лес на основании шаблонов.
[9] ДЗ №7 Кластеризация

Домашнее задание во втором семестре

[0] Контест на Torch
[1] ДЗ №1 Регрессия классической нейронной сетью
[2] ДЗ №2 Классификация классической нейронной сетью
[3] ДЗ №3 Путём модификации LeNet добиться точности 0.95 при классификации MNIST
[4] ДЗ №4 Решить задачу классификации бабочек (late submission)
[5] ДЗ №5 Набрать не менее 93% в задаче. Балл за сдачу пропорционален тому, на сколько больше набрано
[6] ДЗ №6. Реализуте нейронную сеть, которая генерируют заданную математическую функцию.
[7] ДЗ №7. Реализуйте GAN, который генерирует вашу фотографию (селфи).
[8] ДЗ №8. Реализовать расшифроку шифром цезарзя текст.
[9] ДЗ №9. Сделать собственную LSTM и GRU ячейки, сравнить их.
[10]

Нобелевская неделя

В 2024 году Нобелевскую премию по физике получили Хопфилд и Хинтон за открытия в области нейронных сетей. По химии за предсказание структуры белков.

[0] Самый простой нейрон
[1] Сеть Хопфилда
[2] Обратное распространенеи ошибки (Хинтон) в нейронной сети
[3] Котик для сетия Хофилда
[4] Дискрипторы в химии
[5] Catboost в химии
[6] Информация для химии

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages