Факультет компьютерных наук вшэ

Лекции

Доклады, проверочные работы и рецензирование

Доклады
В течение года каждый студент выступает с докладами по темам, связанным с машинным обучением. Стандартная продолжительность доклада — 30 минут, то есть на одном занятии проводится два выступления. Каждый студент должен сделать два доклада за год. Если такое количество докладов не будет укладываться в рамки курса по времени, то студенты с лучшим выступлением будут освобождены от второго доклада.

Два раза в год студент должен утвердить тему своего выступления у преподавателя в назначенные для этого сроки. Минимум за неделю до даты выступления докладчик должен прислать преподавателю на согласование:

1. Краткий план доклада. Он должен быть достаточно подробным, чтобы из него были понятны основные идеи, связи между ними и уровень подробности рассказа про каждую идею.
2. Список вопросов по материалу доклада. 3-4 вопроса для проверочной по вашему выступлению. Вопросы должны соответствовать целям доклада и покрывать важные идеи, которые человек из вашего доклада должен вынести. Вопросы должны быть достаточно конкретными (не надо ударяться в философию), в адекватной степени математичными (спросить про формулу функции потерь модели — отличная идея, но спросить выписать все градиенты для обучения модели — плохая) и больше проверять понимание материала, а не запоминание.

Сразу после выступления необходимо прислать свою презентацию. При невыполнении перечисленных условий в поставленные сроки преподаватель имеет право снизить оценку за соответствующий доклад. Если вы присылаете план выступления позднее, чем в 9:00 дня, следующего за последним проведенным семинаром перед вашим выступлением (в нашем случае среды предыдущей недели), оценка за доклад может быть снижена на 2 балла. Если вы присылаете свою презентацию позднее, чем в 9:00 следующего после даты выступления дня, оценка за доклад может быть снижена на 1 балл.

Неявка на свой доклад без уважительной причины приводит к нежелательным последствиям. При наличии уважительной причины, пожалуйста, предупреждайте о ней преподавателя заранее.

Оценка за доклад складывается на 75% из оценки преподавателя и на 25% из оценки студентов (по итогам рецензирования).

У 3 курса многие доклады будут связаны с темами курса Introduction to Deep Learning, поэтому нужно будет прослушивать определенные части этого курса до дат по определенным выступлениям (обо всем будет заранее сообщаться).

Рецензии
Каждый доклад оценивается не только преподавателем, но и студентами. Трое одногруппников докладчика, присутствовавшие на занятии, пишут короткую рецензию на выступление и оценивают его по 10-бальной шкале в форме, ссылка на которую находится в верхней части страницы. Рецензенты назначаются преподавателем на занятии.

Проверочные работы
Доклады в течение года будут разбиты по темам на блоки. В конце каждого блока (примерно раз в 3-4 недели) будет проводиться проверочная работа на 30 минут. Список вопросов будет составляться из вопросов по докладам, которые подготовили выступающие, с последующей корректировкой преподавателем. Полный список вопросов будет известен студентам заранее, на проверочной им нужно будет ответить на несколько случайных вопросов из этого списка. При написании проверочной нельзя пользоваться никакими материалами.

Домашние задания

Для каждого задания предоставляется ссылка на сервис, содержащий описание задания и реализующий тестирование решений. Данные сервисы размещаются на платформе Everest (см. далее).

Тестирование решений

На странице каждого сервиса содержится описание задания и выполняемых тестов. Данные тесты могут не покрывать все возможные ошибки и не заменяют самостоятельное тестирование своих решений. Тем не менее, результаты тестов позволяют составить представление о работе вашей программы и используются при проверке решений преподавателями.

Для тестирования решения необходимо перейти во вкладку Submit Job, загрузить требуемые файлы и нажать кнопку Submit. При этом происходит перенаправление на страницу нового задания (job), где можно отслеживать его состояние. Информация на странице обновляется автоматически. После окончания выполнения задания (состояние DONE или FAILED) становится доступной вкладка Outputs, где можно увидеть вывод с результатами тестирования.

Время выполнения тестов обычно составляет несколько минут, однако при большом количестве одновременных запросов к сервису время ожидания увеличивается. Поэтому лучше не откладывать тестирование на последний момент. Число попыток при тестировании не ограничено.

Сдача решений

Для сдачи решения надо перейти в раздел Задачи, нажать Сдать напротив нужного задания и отправить текст, содержащий:

• краткое описание вашего решения (основная идея, особенности реализации, соответствие условиям задания и т.д.), которое бы позволило проверяющему быстрее разобраться в нём (приветствуются также комментарии в коде),

Число попыток сдачи решения не ограничено. В случае, если решение отправлено заранее, есть шанс получить комментарий преподавателя до окончания срока сдачи и, в случае необходимости, исправить решение. Досрочные комментарии даются по мере возможности и вероятность их стремится к нулю с приближением срока сдачи.

Проверка решений

Проверка решений обычно происходит в течение недели после срока сдачи задания. При проверке оценивается последняя присланная до срока версия решения. В качестве начального приближения оценки берутся баллы, полученные решением на тестах. Так как тесты могут не покрывать все возможные проблемы, оценка может корректироваться преподавателем в ходе проверки. После окончания проверки в Anytask должен появиться ответ преподавателя с оценкой и комментариями.

Каждое задание оценивается по 10-балльной шкале. За каждый день просрочки после мягкого дедлайна снимается 2 балла. После жёсткого дедлайна решения не принимаются.

Детальная инструкция по первому тесту

Инструкция по прохождению теста

При прохождении теста советуем использовать ноутбук с браузерами Google Chrome / Firefox / Safari. С мобильных платформ отображение теста может быть некорректным
Мы так же обратили внимание, что с внутренней сети ВШЭ иногда не работают картинки. Дабы не возникало проблем с их отображением, картинки отдельно выложены в wiki

Придумайте для себя кодовое слово (желательно — на русском языке, без дефисов и других символов).

Отправляем со своего email свое кодовое слово на указанный на первой странице теста email с указанной темой

Важно — это достаточно сделать один раз. Проходим тест

На прохождение выдается 120 минут, в это время для данной вкладки браузера нельзя нажимать кнопки назад или обновить страницу — результаты не будут засчитаны.

В финальном окне теста вводим в разделе «Введите свое имя» своей Email (тот же, что и в начале). Рядом появится галочка — нажмите ее.

Очень не советуем списывать друг у друга или из интернета текстовые ответы — как вы знаете, с помощью анализа данных можно легко рассчитать расстояния между строками и проверить схожесть двух ответов. Для тех, у кого текстовые ответы будут совпадать слишком сильно, баллы за тест обратятся в 0.

Вы можете проходить тест сколько угодно раз, но засчитывать для вашего Email мы будем только первые три результата по времени. Из них будет выбираться наилучший, и этот результат мы и будем считать финальной итоговой оценкой за данный тест.

Аттестация и оценки

Во 2-ом модуле производится промежуточная аттестация за осенний
семестр.

В осеннем семестре проводятся две контрольные работы (КР1 и
КР2); выдается и проверяется домашнее задание (ДЗ2). Оценка за
контрольную работу выставляется в долях единицы без округления (т.е. с
максимальной доступной используемым вычислительным средствам
точностью). Оценка ДЗ2 также выставляется в долях единицы без
округления. Оценка ДЗ2 может быть больше единицы за счет «бонусных
баллов».

Накопленная оценка НК2 за осенний семестр вычисляется по формулам:

НК2′ = 10 * min (1, 0.35 * КР1 + 0.35 * КР2 + 0.3 * ДЗ2)

НК2 = ОКРУГЛ (НК2′).

Здесь и далее ОКРУГЛение производится к ближайшему целому числу, причем
полуцелые числа округляются вверх.

Если НК2 >= 4, то промежуточная оценка за осенний семестр Э2 = НК2.

Если НК2 < 4, студенту предлагается выполнить итоговое контрольное
задание ИК2, оцениваемое по десятибалльной системе. В этом случае
промежуточная оценка за осенний семестр

Э2 = ОКРУГЛ (0.7 * ИК2 + 0.3 * НК2′).

В весеннем семестре проводятся две контрольные работы (КР3 и
КР4); выдается и проверяется домашнее задание (ДЗ4). Оценки
выставляются так же, как и в осеннем семестре.

Накопленная оценка НК4 за весенний семестр вычисляется по формулам:

НК4′ = 10 * min (1, 0.35 * КР3 + 0.35 * КР4 + 0.3 * ДЗ4)

НК4 = ОКРУГЛ (НК4′).

Если НК4 >= 4, то итоговая оценка за весенний семестр Э4 = НК4.

Если НК4 < 4, студенту предлагается выполнить итоговое контрольное
задание ИК4, оцениваемое по десятибалльной системе. В этом случае
итоговая оценка за весенний семестр

Э4 = ОКРУГЛ (0.7 * ИК4 + 0.3 * НК4′).

Результирующая оценка Р по дисциплине выставляется по десятибалльной
шкале согласно формуле

Отчётность по курсу и критерии оценки

4 домашних задания, коллоквиум и экзамен.

Оценка за каждое домашнее задание равна доле решенных задач, умноженной на 10. Общая оценка за домашние задания равна среднему арифметическому оценок за решение каждого из заданий. Кроме этого в домашних задания могут бонусные задачи, за решение которых даются дополнительные баллы на коллоквиуме или экзамене (1 задача= 1 балл). На решение каждого ДЗ дается 14 дней, решение ДЗ нужно сдавать семинаристу до начала семинара.
Сдача домашних заданий после их срока невозможна.

Каждое ДЗ будет проверено в течение 10 дней после дедлайна. Домашнее задание должно быть защищено в течение 3 недель после дедлайна. Для защиты студент должен прийти на консультацию и убедить преподавателя, что он понимает, что у него написано, и тем самым работа не списана.

Коллоквиум (устный) и экзамен (письменный) оцениваются по десятибалльной системе. На коллоквиуме не разрешается пользоваться никакими записями. На экзамене можно пользоваться любыми бумажными источниками и нельзя никакими электронными.

Оценки за коллоквиум и экзамен входят в итоговую оценку с коэффициентами 0.4, а оценка за домашние задания — с коэффициентом 0.2.

Те, кто не смог прийти на экзамен или коллоквиум по болезни, могут его сдать их отдельно. Не набравшие в конце второго модуля нужное количество баллов (4) могут пересдать экзамен, а если и это не поможет, то сдавать экзамен комиссии. В последнем случае накопленная оценка аннулируется и оценка, полученная на экзамене, и является окончательной.

Правила округления

В вычислениях текущие оценки и промежуточные величины не округляются. Результат
вычисляется точно и округляется (арифметически) только в момент выставления итоговой оценок.

Экзамен

Экзамен состоится 22 июня в 12.10 и будет продолжаться 90 минут. Более подробная инструкция тут:

1. Экзамен письменный и проходит с прокторингом через Зум в двух конференциях:

3. Если у студента случился один или два обрыва связи продолжительностью менее пяти минут, он может продолжить написание экзамена (дополнительное время при этом не предоставляется). Если случился обрыв связи продолжительностью дольше 5 минут или более двух пятиминутных, то считается, что студент пропустил экзамен. В этом случае ему будет предложено без штрафов сдать экзамен устно в течение недели с момента данного экзамена.

О курсе

Курс читается для студентов 1-го курса факультета гуманитарных наук.

Проводится с 2017 года.

Лекции первого потока (БИЯ171-176) проходят по понедельникам 12:10-13:30

Лекции второго потока (БИЯ177-1712) проходят по понедельникам 13:40-15:00

Лектор на филологии: Борис Орехов

Лекции проходят по пятницам 10:30-12:00

Лектор на истории искусств и культурологии: Мороз Георгий

Лекции проходят по пятницам 13:40-15:00

Каналы в telegram для объявлений:

Филология:

Семинары

Чат для группы БКТ171

Чат для группы БКТ172

Правила выставления оценок

Подведение итогов промежуточной аттестации по дисциплине проводится только на основании результатов текущего контроля без проведения аттестационного испытания в форме экзамена, т.е.:

О_рез = О_нак

Накопленная оценка по дисциплине для студентов ОП «ИЯМК», «Филология», «Культурология», «История искусств» рассчитывается по формуле:
O_нак = 0.7*O_тек + 0.3*O_кр

Текущая оценка вычисляется как средняя арифметическая по всем домашним заданиям (причем
средняя оценка по всем домашним заданиям не может быть больше 10 баллов).

Одна контрольная работа, которая пройдет *здесь появится дата и время* (распределение по аудиториям вышлет учебная часть).

Результирующая оценка по учебной дисциплине округляется к ближайшему целому (*.5 округляется вверх).

Описание учебного заведения Национальный исследовательский университет «Высшая школа экономики»

Высшая школа экономики — это отличный старт для карьеры в науке, бизнесе и на государственной службе. Сочетание фундаментальности образовательных программ с возможностью уже с первого курса участвовать в научных проектах и исследованиях рядом с авторитетными российскими и зарубежными учеными позволяет выпускникам Вышки добиться профессионального успеха. Сегодня Высшая школа экономики -это: 4 кампуса (Москва, Санкт-Петербург, Нижний Новгород, Пермь) 

3 500 преподавателей 29 400 студентов 57 500 выпускников Этапы развития НИУ ВШЭ 1992 — создание Высшей школы экономики 1993 — первый прием в университет: 65 бакалавров и 92 магистра 1996 — открытие кампуса в Нижнем Новгороде 1997 — открытие совместно с Лондонским университетом Международного института экономики и финансов (МИЭФ) 1998 — открытие кампусов в Санкт-Петербурге и Перми 2000 — проведение первой Международной Апрельской конференции ВШЭ 2010 — ВШЭ получает статус национального исследовательского университета (НИУ). Создан Международный консультативный комитет ВШЭ, его возглавил лауреат Нобелевской премии по экономике Эрик Маскин 2011 — к НИУ ВШЭ присоединяется Московский институт электроники и математики (МИЭМ) 2013 — победа в конкурсе «5/100» по повышению между¬народной конкурентоспособности российских вузов 2014 — реорганизация внутренней структуры университета: создание «больших» факультетов. ВШЭ и Яндекс открывают факультет компьютерных наук Бакалавриат 64 образовательные программы  самостоятельная работа с 1 курса под контролем курирующего преподавателя возможность получать несколько стипендий сразу за высокие оценки и активное участие в жизни университета; возможность заниматься исследованиями в научно-учебных и проектно-учебных лабораториях и группах; обязательное получение международного сертификата об уровне владения английским языком; ·участие в международных научных конференциях наравне с ведущими мировыми учеными; ·участие в программах обмена с университетами-партнерами ВШЭ в Австрии, Бельгии, Бразилии, Великобритании, Венгрии, Германии, Канаде, Китае, США, Южной Корее, Франции, Японии и других странах; возможность стать оплачиваемым учебным ассистентом; доступ к одной из крупнейших университетских библиотек России. Магистратура 29 направлений подготовки 129 магистерских программ 

21 программа на английском языке возможность сменить направление обучения и овладеть новой специальностью · участие в международных стажировках и студенческих обменах · участие в программах двойных дипломов · возможность стать оплачиваемым учебным ассистентом или преподавателем · участие в исследовательской и проектной работе в лабораториях и научных институтах ВШЭ. Обучение за рубежом и двойные дипломы Высшая школа экономики тесно сотрудничает с ведущими зарубежными университетами, бизнес-школами и исследовательскими центрами. Каждый факультет НИУ ВШЭ предлагает студентам возможность пройти стажировку и участвовать в программах обмена с вузами-партнерами. Основные образовательные партнеры НИУ ВШЭ за рубежом: Университет Эразмус (Нидерланды) Университет им. Дж. Мэйсона (США) Сорбонна (Франция) Университет Болоньи (Италия) Университет Гумбольдта (Германия) Университет Поля Сезанна Вестфальский университет имени Вильгельма (Германия) Технический университет Эйндховена (Нидерланды) и др/ Аспирантура Высшая школа экономики первой из российских университетов перешла к системе аспирантских школ по отдельным отраслям науки, которые должны задать общие внутри каждой школы стандарты исследований и подготовки диссертаций. Особенности программы академической аспирантуры: полная занятость и участие в исследовательских проектах университета; руководитель из числа зарубежных исследователей; обязательная стажировка в зарубежном университете-партнере НИУ ВШЭ. В НИУ ВШЭ 120 научно-исследовательских институтов и центров, 27 научно-учебных и проектно-учебных лабораторий, 21 международных лабораторий под руководством ведущих зарубежных ученых. НИУ ВШЭ имеет собственный Издательский дом, который специализируется на выпуске научной, учебной и справочной литературы по профильным дисциплинам университета: экономике, менеджменту, бизнес-информатике, социологии, политологии, психологии, праву, философии и другим.

Соревнования

Правила участия и оценивания

В соревновании по анализу данных вам предлагается по имеющимся данным решить некоторую задачу, оптимизируя указанную метрику, и отправить ответы для заданного тестового множества. Максимальное количество посылок в сутки ограничено (как правило, разрешается сделать 2 посылки), ближе к концу соревнования вам будем необходимо выбрать 2 посылки, которые вы считаете лучшими. Тестовые данные делятся на публичные и приватные в некотором соотношении, на основе которых строятся публичный и приватный лидерборды соответственно, при этом публичный лидерборд доступен в течение всего соревнования, а приватный строится после его окончания для выбранных вами посылок.

В лидербордах каждого из соревнований присутствуют несколько базовых решений (бейзлайнов), каждое из которых соответствует определённой оценке. Например, для получения оценки не ниже 8 баллов необходимо, чтобы ваше решение на приватном лидерборде оказалось лучше соответствующего бейзлайна. Далее для студента, преодолевшего бейзлайн на N_1 баллов, но не преодолевшего бейзлайн на N_2 балла, итоговая оценка за соревнование рассчитывается по равномерной сетке среди всех таких студентов в зависимости от места в приватном лидерборде среди них; если быть точными, то по следующей формуле:

N_2 — (N_2 — N_1) * i / M,

где M — количество студентов (из всех студентов, изучающих курс), преодолевших бейзлайн на N_1 баллов, но не преодолевших бейзлайн на N_2 балла;

i — место (начиная с 1) студента в приватном лидерборде среди всех таких студентов.

Единственное исключение из формулы — студенты, преодолевшие самый сильный бейзлайн, получают прибавку 1/M к своей оценке.

Чтобы вас не пропустили при проверке решений соревнования, необходимо использовать следующий формат для имени команды (вкладка Team):

« Имя Фамилия номер_группы»

В течение 3 суток после окончания соревнования в соответствующее задание на anytask необходимо прислать код, воспроизводящий ответы для посылки, фигурирующей в приватном лидерборде. При оформлении кода предполагайте, что данные лежат рядом с ним в папке data, а в результате выполнения кода ответы должны быть записаны в файл solution-N-Username.csv, где N — номер соревнования, Username — ваша фамилия. У нас должна быть возможность запустить код и получить те же ответы, что и в вашей посылке, — в частности, это означает, что:

1. Если вы отправляете файл *.py, мы будем запускать его при помощи команды python *.py в вышеуказанном предположении о местонахождении данных.

2. Если вы отправляете ноутбук *.ipynb, мы последовательно запустим все ячейки ноутбука и будем ожидать в результате его работы формирование файла с ответами.

3. Если вы отправляете код с использованием другого языка программирования, в том же письме направьте нам инструкцию по его запуску с тем, чтобы получить тот же файл с ответами.

В случае отсутствия кода, воспроизводящего результат, в установленный срок студенту выставляется 0 в качестве оценки за соревнование. Студенты, попавшие в топ-3 согласно приватному лидерборду, смогут получить бонусные баллы, если в течение недели после окончания соревнования сдадут в anytask отчет о получении решения, фигурирующего в приватном лидерборде. Если не оговорено иное, использовать любые внешние данные в соревнованиях запрещено. Под внешними данными понимаются размеченные данные, где разметка имеет прямое отношение к решаемой задаче. Грубо говоря, сборник текстов с википедии не считается внешними данными.

В некоторых соревнованиях данные взяты из завершившегося соревнования на Kaggle.
Категорически запрещено использовать данные из оригинального соревнования для восстановления целевой переменной на тестовой выборке.

Домашние задания

БМБ178, БММ171

не менее 1000 объектов (строк), не менее 5 признаков (5 колонок)

Сроки сдачи

Бюджет и недвижимость

В 2018 году доход вуза составил 17,76 млрд рублей (на январь 2020 года это примерно 259 405 579 евро). Основными источниками финансирования являются государственные средства, услуги частного образования, фундаментальные и прикладные исследования, гранты, пожертвования и другие виды поддержки.

Прикладные исследования по заказу государственных органов, частных компаний или международных организаций составляют до 40% дохода университета. Среди постоянных клиентов Минобрнауки, Департамент информационных технологий Москвы   , Минэкономразвития , Роснефть , Аэрофлот , Газпром , РЖД . За один учебный год вуз выполняет в среднем около 300 проектов. Другие источники поддержки — это государственные субсидии и научные гранты, в том числе международные программы. Например, только на Российский проект академического совершенства государство выделило 950 миллионов рублей (по состоянию на январь 2020 года это составляет примерно 13 874 037 евро).

В 2007 году соучредители НИУ ВШЭ учредили финансовый эндаумент НИУ ВШЭ — некоммерческую организацию, которая принимает пожертвования от имени университета и инвестирует полученные средства. Прибыль идет на развитие университетских проектов. По состоянию на декабрь 2018 года размер эндаумент-фонда составлял 742,5 млн рублей (на январь 2020 года это примерно 10 845 942 евро).

Всего в Москве университету принадлежит более пятидесяти зданий, расположенных на Мясницкой улице, Покровском бульваре, Шаболовке, Старой Басманной улице и других местах. В Санкт-Петербурге университетские городки расположены на канале Грибоедова , на улице Союза Печатников, на улице Кантемировской. В Перми у ВШЭ шесть корпусов, а в Нижнем Новгороде всего четыре.

Краткое описание

Данный семинар является одной из форм организации научно-исследовательской деятельности студентов специализации “Машинное обучение и приложения”. На нём в течение года под руководством преподавателей студентам предлагается делать презентации своих исследовательских проектов, а также обзорные доклады на различные темы, связанные с машинным обучением. Семинар призван способствовать своевременному включению студентов в исследовательский процесс и расширению их научного кругозора. Его задачей также является развитие навыков ведения научной дискуссии и презентации исследовательских результатов.

В ходе занятий подразумеваются следующие виды деятельности студентов:

• Посещение занятий, прослушивание и обсуждение докладов.
• Выступление студентов с докладами на различные темы, связанные с машинным обучением.
• Выступления студентов с докладами по курсовым работам.
• Рецензирование докладов и курсовых работ своих одногруппников.
• Написание проверочных работ по материалам докладов.

Курсы в рамках проекта Data Culture

2 семестр

Цифровая грамотность (факультет гуманитарных наук — 2 семестр: ИЯМК, Филология, История искусств, Культурология, 1 курс)Научно-исследовательский семинар (ОП «Политология», 1 курс)Introduction to Data Culture (HSE and University of London Parallel Degree Programme in International Relations, 1 year)Искусственный интеллект и большие данные (ОП «Дизайн», «Мода», 1 курс)Компьютерная лингвистика и информационные технологии (ОП «Фундаментальная и компьютерная лингвистика», 4 курс, 2 семестр)Основы анализа данных в международных отношениях (ОП «Международные отношения», 2 курс, 4 модуль)Профориентационный семинар (блок по введению в data scicence) (Факультет социальных наук — 2 семестр: Социология, 1 курс) Введение в Data Science (ФБиМ, 4 модуль)

1 семестр

Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)Машинное обучение (факультет экономических наук) Компьютерная лингвистика и информационные технологии (ОП «Фундаментальная и компьютерная лингвистика», 4 курс, 1 семестр) Извлечение и анализ интернет-данных (факультет экономических наук) Анализ больших данных в социальных науках (ФСН, 2017)Информационные технологии в деятельности юриста (Факультет права) Машинное обучение (магистратура Школы лингвистики)