GitPlanet

Cheap and reliable Node.js hosting starts at $3/month, and $1/month static HTML hosting

Created with love in Canada, visit hostnodejs.com today

Feel like to post an Ad? Learn Details
All Projects → esokolov → Ml Course Msu

esokolov / Ml Course Msu

Lecture notes and code for Machine Learning practical course on CMC MSU

Labels

jupyter-notebook

Projects that are alternatives of or similar to Ml Course Msu

Getting Things Done With Pytorch
Jupyter Notebook tutorials on solving real-world problems with Machine Learning & Deep Learning using PyTorch. Topics: Face detection with Detectron 2, Time Series anomaly detection with LSTM Autoencoders, Object Detection with YOLO v5, Build your first Neural Network, Time Series forecasting for Coronavirus daily cases, Sentiment Analysis with BERT.
Stars: ✭ 738 (-2.77%)
Mutual labels:  jupyter-notebook
Finetune alexnet with tensorflow
Code for finetuning AlexNet in TensorFlow >= 1.2rc0
Stars: ✭ 748 (-1.45%)
Mutual labels:  jupyter-notebook
Automatic Watermark Detection
Project for Digital Image Processing
Stars: ✭ 754 (-0.66%)
Mutual labels:  jupyter-notebook
Mememoji
A facial expression classification system that recognizes 6 basic emotions: happy, sad, surprise, fear, anger and neutral.
Stars: ✭ 743 (-2.11%)
Mutual labels:  jupyter-notebook
Deeprl Tutorials
Contains high quality implementations of Deep Reinforcement Learning algorithms written in PyTorch
Stars: ✭ 748 (-1.45%)
Mutual labels:  jupyter-notebook
Learning From Data
记录Learning from data一书中的习题解答
Stars: ✭ 751 (-1.05%)
Mutual labels:  jupyter-notebook
Sgx Full Orderbook Tick Data Trading Strategy
Providing the solutions for high-frequency trading (HFT) strategies using data science approaches (Machine Learning) on Full Orderbook Tick Data.
Stars: ✭ 733 (-3.43%)
Mutual labels:  jupyter-notebook
Entity Embedding Rossmann
Stars: ✭ 758 (-0.13%)
Mutual labels:  jupyter-notebook
Causal inference python code
Python code for part 2 of the book Causal Inference: What If, by Miguel Hernán and James Robins
Stars: ✭ 748 (-1.45%)
Mutual labels:  jupyter-notebook
Graphneuralnetwork
《深入浅出图神经网络：GNN原理解析》配套代码
Stars: ✭ 754 (-0.66%)
Mutual labels:  jupyter-notebook
Spark Movie Lens
An on-line movie recommender using Spark, Python Flask, and the MovieLens dataset
Stars: ✭ 745 (-1.84%)
Mutual labels:  jupyter-notebook
Gans In Action
Companion repository to GANs in Action: Deep learning with Generative Adversarial Networks
Stars: ✭ 748 (-1.45%)
Mutual labels:  jupyter-notebook
Simclr
PyTorch implementation of SimCLR: A Simple Framework for Contrastive Learning of Visual Representations
Stars: ✭ 750 (-1.19%)
Mutual labels:  jupyter-notebook
Neural Processes
This repository contains notebook implementations of the following Neural Process variants: Conditional Neural Processes (CNPs), Neural Processes (NPs), Attentive Neural Processes (ANPs).
Stars: ✭ 744 (-1.98%)
Mutual labels:  jupyter-notebook
Jupyterhub
Multi-user server for Jupyter notebooks
Stars: ✭ 6,488 (+754.81%)
Mutual labels:  jupyter-notebook
Nbstripout
strip output from Jupyter and IPython notebooks
Stars: ✭ 738 (-2.77%)
Mutual labels:  jupyter-notebook
Notes Machine Learning
鉴于我没有时间继续写这个东西，这个项目暂时废止
Stars: ✭ 750 (-1.19%)
Mutual labels:  jupyter-notebook
Notedown
Markdown <=> IPython Notebook
Stars: ✭ 757 (-0.26%)
Mutual labels:  jupyter-notebook
Deep Learning Coursera
Deep Learning Specialization by Andrew Ng on Coursera.
Stars: ✭ 6,615 (+771.54%)
Mutual labels:  jupyter-notebook
Machine learning refined
Notes, examples, and Python demos for the textbook "Machine Learning Refined" (published by Cambridge University Press).
Stars: ✭ 750 (-1.19%)
Mutual labels:  jupyter-notebook
View All Similar Projects ➔

Семинары по машинному обучению, ВМК МГУ

Конспекты, код и прочие материалы к семинарам по машинному обучению, проводимым на ВМК МГУ.

[Таблица с результатами]

Почта для заданий: [email protected]

На семинары и работу ассистентов можно оставить отзыв: [анонимно без регистрации и смс]

Курс лекций на ФКН ВШЭ: [wiki] [материалы]

Правила выставления оценок

  1. В ходе семестра будет несколько теоретических проверочных работ, практических заданий и контестов.
  2. Для получения зачета нужно «закрыть» каждую теоретическую тему и решить каждое практическое задание хотя бы на 80%.
  3. За каждую активность ставятся баллы, топ рейтинга получает +1 балл на экзамене (в случае получения оценки >= 3).
  4. Присуждение +балла является безапелляционным.

Занятия

Дата Номер Тема Материалы ДЗ
7 сентября Семинар 1 Вводное занятие:
  • Основные термины в машинном обучении
  • Этапы решения задачи анализа данных
 Конспект
14 сентября Семинар 2 Линейные методы:
  • Аналитическое решение линейной регрессии
  • Векторное дифференцирование
 Конспект 1
Конспект 2 		ДЗ
28 сентября Семинар 3 Метрические методы:
  • Особенности метрических методов: чувствительность к масштабу и шуму, проклятие размерности
  • Примеры метрик
  • Метрики на категориальных признаках
 Конспект
5 октября Семинар 4 Метрические методы:
  • Locality-sensitive hashing
 Конспект ДЗ
12 октября Семинар 5
  • Градиентный спуск
  • Регуляризация
    		 Конспект 1 (4-я глава)
    Конспект 2 (5-я глава)    		 ДЗ (5-я задача)
    19 октября Семинар 6
    • Линейные модели классификации
    • Метрики качества классификации
      		 Конспект Задачи ДЗ
      26 октября Семинар 7
      • Логистическая регрессия
      • Оценивание вероятностей
        		 Конспект 1
        Конспект 2         		ДЗ (без SVM)
        2 ноября Семинар 9 Условная оптимизация Конспект 1 Конспект 2 ДЗ 1 ДЗ 2
        9 ноября Семинар 10 Условная оптимизация (продолжение)
        16 ноября Семинар 11 Решающие деревья Конспект ДЗ (без KNN)
        30 ноября Семинар 12 Bias-variance decomposition Конспект ДЗ
        14 декабря Семинар 13
        • Бэггинг
        • Градиентный бустинг
          		 Конспект 1
          Конспект 2
          8 февраля Семинар 14 Нейронные сети Конспект 1
          Конспект 2
          15 февраля Семинар 15 Ядра Конспект 1
          Конспект 2
          Задачи           		ДЗ (Задачи 1-5)
          22 февраля Семинар 16 Ядра Конспект 1
          Задачи
          1 марта Семинар 17 Байесовские методы Конспект
          15 марта Семинар 18 EM-алгоритм Конспект Задачи ДЗ (Задачи 1–4)
          22 марта Семинар 19 Гауссовские процессы Конспект
          29 марта Семинар 20
          • Рассказ о решении контеста
          • Обобщенные линейные модели
            		 Контест
            5 апреля Семинар 21 Обобщенные линейные модели Конспект ДЗ
            12 апреля Семинар 22

            Контесты

            Контест 1:

            Ссылка

            Контест 2:

            Ссылка

            Практические задания

            Обратите внимание, что по каждому заданию даётся два дедлайна: мягкий и жёсткий. За сдачу задания после мягкого дедлайна оценка понижается на 1 балл. Оценка за задание не может быть отрицательной.

            Задание 1:

            Условие

            Дата выдачи: 18.09.2017

            Мягкий дедлайн: 01.10.2017 23:59 MSK

            Жёсткий дедлайн: 08.10.2017 23:59 MSK

            Задание 2:

            Условие

            Дата выдачи: 04.11.2017

            Мягкий дедлайн: 19.11.2017 23:59 MSK

            Жёсткий дедлайн: 26.11.2017 23:59 MSK

            Задание 3:

            Условие

            Дата выдачи: 07.12.2017

            Мягкий дедлайн: 21.12.2017 23:59 MSK

            Жёсткий дедлайн: 31.12.2017 23:59 MSK

            Задание 4:

            Условие

            Дата выдачи: 10.03.2018

            Мягкий дедлайн: 25.03.2018 23:59 MSK

            Жёсткий дедлайн: 01.04.2018 23:59 MSK

            Задание 5:

            Условие

            Дата выдачи: 07.05.2018

            Мягкий дедлайн: 20.05.2018 23:59 MSK

            Жёсткий дедлайн: 30.05.2018 23:59 MSK

            Задание 6:

            Условие

            Жёсткий дедлайн: 30.05.2018 23:59 MSK

            Note that the project description data, including the texts, logos, images, and/or trademarks, for each open source project belongs to its rightful owner. If you wish to add or remove any projects, please contact us at [email protected].