Практикум на ЭВМ (317)/2017-2018
Материал из MachineLearning.
(→Материалы занятий (осень)) |
(→Выступления студентов на семинаре) |
||
| Строка 200: | Строка 200: | ||
| align="center"|1 || Система контроля версий Git || Солоткий Михаил || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Solotky_Git.pdf слайды] | | align="center"|1 || Система контроля версий Git || Солоткий Михаил || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Solotky_Git.pdf слайды] | ||
|- | |- | ||
| - | | align="center"|2 || Основные отличия Python2 и Python3 || Шестакова Анна|| | + | | align="center"|2 || Основные отличия Python2 и Python3 || Шестакова Анна|| [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Shestakova_Distinctions_between_Python2_and_3.pdf слайды] |
|- | |- | ||
| - | | align="center"|3 || Средства консервации объектов в Python (json, pickle и другие) || Всеволод Полетаев || | + | | align="center"|3 || Средства консервации объектов в Python (json, pickle и другие) || Всеволод Полетаев || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Poletaev_Serialization.pdf слайды] |
|- | |- | ||
| - | | align="center"|4 || | + | | align="center"|4 || Библиотека multiprocessing для распараллеливания и ускорения вычислений в Python || Цыпин Артем || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Tsypin_Multiprocessing.pdf слайды] |
|- | |- | ||
| align="center"|5 || Библиотека для автоматического дифференцирования и вычислений на GPU TensorFlow || Руднев Виктор || | | align="center"|5 || Библиотека для автоматического дифференцирования и вычислений на GPU TensorFlow || Руднев Виктор || | ||
| Строка 220: | Строка 220: | ||
| align="center"|11 || Проксимальный градиентный метод для обучения моделей с L1-регуляризацией || Фоминская Галина || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/fominskaya_proximal.pdf слайды] | | align="center"|11 || Проксимальный градиентный метод для обучения моделей с L1-регуляризацией || Фоминская Галина || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/fominskaya_proximal.pdf слайды] | ||
|- | |- | ||
| - | | align="center"|12 || Разложение Холецкого и его применения || Драгунов Никита || | + | | align="center"|12 || Разложение Холецкого и его применения || Драгунов Никита || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Dragunov_Cholesky.pdf слайды] |
|- | |- | ||
| - | | align="center"|13 || Стандартные матричные разложения: LDL, LU и QR. Примеры использования. || Скачков Николай || | + | | align="center"|13 || Стандартные матричные разложения: LDL, LU и QR. Примеры использования. || Скачков Николай || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Skachkov_decompositions.pdf слайды] |
|- | |- | ||
| - | | align="center"|14 || Метод NCA для обучения метрики || Сомов Иван || | + | | align="center"|14 || Метод NCA для обучения метрики || Сомов Иван || [https://github.com/arti32lehtonen/mmp_prac_2017/blob/master/student_reports/Somov_NCA.pdf слайды] |
|- | |- | ||
|} | |} | ||
Версия 09:08, 24 ноября 2017
- Обязательный курс для студентов каф. ММП 3 курса, 5-6 семестр
- Зачёт с оценкой
- Преподаватели: Д.А. Кропотов, Артём Попов и другие
- Занятия проходят в ауд. 524 по вторникам, начало в 16:20
Анонимные отзывы по курсу можно оставлять здесь: ссылка на гугл-форму
Чат курса в telegram: инвайт
Репозиторий со всеми материалами: ссылка на репозиторий
Правила сдачи практикума в осеннем семестре 2017/2018
1. В рамках семестра предполагается три больших практических задания и четыре домашних задания. Все задания сдаются в систему anytask, инвайт к курсу можно получить у преподавателя.
2. За каждое большое практическое задание можно получить до 50-ти баллов. Задание включает в себя написание программного кода, выполнение экспериментов и написание отчёта о проделанной работе. Срок выполнения каждого задания — 2 недели. За каждый день просрочки назначается штраф 1 балл. Задание, сданное через две недели после срока сдачи, оценивается в 0 баллов.
3. За каждое домашнее задание можно получить до 20-ти баллов. Задание включает в себя написание программного кода. Срок выполнения каждого задания — 1 неделя. Задания, сданные после срока сдачи, оцениваются в 0 баллов.
4. Также в рамках семестра каждый студент делает небольшое выступление по теме курса. За выступление можно получить до 10-ти баллов.
5. Критерии итоговой оценки:
- отлично — 190 баллов, все практические и домашние задания зачтены
- хорошо — 145 баллов, все практические задания зачтены
- удовлетворительно — 95 баллов, все практические задания зачтены
6. Критерий <<зачтённости>> задания объявляется вместе с заданием.
Материалы занятий (осень)
| Дата | Номер | Тема | Материалы | Д/З |
|---|---|---|---|---|
| 5 сентября | Занятие 1 |
Организационные вопросы. Введение в Python. |
Ознакомиться c PEP8 | |
| 12 сентября | Занятие 2 |
Структуры данных (продолжение). Библиотека Numpy. | ||
| 19 сентября | Занятие 3 |
Функции, модули, классы. ООП в Python. | ||
| 26 сентября | Занятие 4 |
Разбор первого домашнего задания. Тестирование. Основы визуализации. | ||
| 3 октября | Занятие 5 |
Обсуждение первого практического задания. Основы обработки изображений. Разбор второго домашнего задания. | ||
| 10 октября | Занятие 6 |
Подготовка текстовых отчётов. Система TeX. | ||
| 17 октября | Занятие 7 |
Итераторы. Генераторы. | ||
| 24 октября | Занятие 8 |
Декораторы. | ||
| 31 октября | Занятие 9 |
Разбор отчётов по практическому заданию. Обработка текстов. | ||
| 7 ноября | Занятие 10 |
Подготовка коротких выступлений. Пакет beamer для презентаций. Продвинутый TeX. |
Готовиться к выступлению | |
| 14 ноября | Занятие 11 |
Выступления студентов. |
Готовиться к выступлению | |
| 21 ноября | Занятие 12 |
Выступления студентов. |
Выступления студентов на семинаре
Выступление должно сопровождаться презентацией, подготовленной в LaTeX с помощью пакета beamer. При согласовании с преподавателем разрешается делать презентацию в Jupyter notebook или просто использовать Jupyter notebook вместо презентации. Приблизительный регламент выступления — 10 минут. После выступления необходимо залить свою презентацию в репозиторий курса.
Каждый студент должен выбрать одну тему из списка ниже либо предложить свою тему.
| № п/п | Тема | ФИО студента | Материалы |
|---|---|---|---|
| 1 | Система контроля версий Git | Солоткий Михаил | слайды |
| 2 | Основные отличия Python2 и Python3 | Шестакова Анна | слайды |
| 3 | Средства консервации объектов в Python (json, pickle и другие) | Всеволод Полетаев | слайды |
| 4 | Библиотека multiprocessing для распараллеливания и ускорения вычислений в Python | Цыпин Артем | слайды |
| 5 | Библиотека для автоматического дифференцирования и вычислений на GPU TensorFlow | Руднев Виктор | |
| 6 | Библиотека для автоматического дифференцирования и вычислений на GPU PyTorch | Яворская Мария | |
| 7 | Магические команды Jupyter Notebook (отладка, профилирование) | Филимонов Владислав | слайды |
| 8 | Полезные расширения Jupyter Notebook (Jupyter notebook extensions) | Шамшиев Мамат | слайды |
| 9 | Разметка markdown и создание текстовых отчётов в формате pdf с помощью Jupyter Notebook | Шаталов Николай | слайды |
| 10 | Создание презентаций с помощью Jupyter Notebook | Пономарева Любовь | слайды |
| 11 | Проксимальный градиентный метод для обучения моделей с L1-регуляризацией | Фоминская Галина | слайды |
| 12 | Разложение Холецкого и его применения | Драгунов Никита | слайды |
| 13 | Стандартные матричные разложения: LDL, LU и QR. Примеры использования. | Скачков Николай | слайды |
| 14 | Метод NCA для обучения метрики | Сомов Иван | слайды |
Требования к отчёту по большим практическим заданиям
Отчёт должен быть самодостаточным документом в формате PDF, подготовленным в системе LATEX.
Отчёт должен давать проверяющему ответы на следующие вопросы:
- К какому курсу относится задание?
- Какое задание выполнено?
- Кем выполнено задание?
- В чём заключалось задание?
- Что было сделано? Что не было сделано?
- Даны ли правильные ответы на все теоретические вопросы задания?
- Проведены ли все необходимые эксперименты? Получены ли осмысленные ВЫВОДЫ?
- Выполнена ли творческая часть задания?
- Пользовался ли студент чьей-либо помощью? Если да, то в каком объёме?
- Какой литературой пользовался студент?
Требования к программному коду
- Код должен в целом соответствовать PEP8 (eng или rus )
- В частности, код должен проходить автоматическую проверку стиля ссылка. Скрипт запускается из командной строки так: python3 mmp_pep8.py <ваш скрипт>. Код, вызывающий предупреждения, автоматически оценивается в 0 баллов.
- Код должен быть понятным и единообразным. Переменные, функции и другие элементы кода должны иметь осмысленные, значимые имена, отвечающие их назначению
- Код, который не соответствует прототипам, выданным в задании, автоматически оценивается в 0 баллов
- Код, который не удовлетворяет требованиям задания (например, запрету на использование конкретных библиотек), автоматически оценивается в 0 баллов
- Код, содержащий плагиат, автоматически оценивается в 0 баллов
