Интеллектуальный анализ данных

2023/2024

Учебный год

RUS

Обучение ведется на русском языке

5

Кредиты

Кто читает:

Департамент больших данных и информационного поиска

Статус:

Курс обязательный

Когда читается:

2-й курс, 3, 4 модуль

Преподаватель

Саночкин Юрий Ильич

Программа дисциплины

Аннотация

Целями освоения дисциплины «Основы машинного обучения» являются овладение студентами моделями и методами интеллектуального анализа данных и машинного обучения в задачах обработки и анализа данных, а также приобретение навыков исследователя данных (data scientist) и разработчика математических моделей, методов и алгоритмов анализа данных. Изучаются основные модели (линейные, метрические, логические), подходы к их обучению и методы обработки данных.

Цель освоения дисциплины

• Знать основные модели и методы машинного обучения и разработки данных
• Уметь адекватно применять указанные модели и методы, а также программные средства, в которых они реализованы
• Иметь навыки (приобрести опыт) анализа реальных данных с помощью изученных методов

Планируемые результаты обучения

• Владеет методами кластеризации данных
• Владеет методами построения композиций моделей
• Владеет основами математики для анализа данных
• Владеет основными подходами к оценке качества в задачах классификации и регрессии
• Знает линейные модели и умеет их обучать
• Знает модель k ближайших соседей и умеет её обучать
• Знает модель решающего дерева и умеет её обучать
• Знает основные подходы к построению рекомендательных систем
• Знает основные постановки задач и типы данных в машинном обучении

Содержание учебной дисциплины

• Введение, основные понятия анализа данных
• Математические объекты и методы в анализе данных
• Метрические методы
• Линейная регрессия и классификация
• Оценивание качества алгоритмов
• Логические методы
• Композиции алгоритмов
• Кластеризация данных
• Рекомендательные системы

Элементы контроля

• Практические домашние задания
  Средняя оценка за все практические домашние задания, предусмотренные на курсе
• Письменные проверочные работы
  Средняя оценка за все письменные проверочные работы, предусмотренные на курсе
• Контрольная работа
  Контрольная работа представляет собой проверочный элемент контроля, выполняемый студентами по результатам освоения первой части курса
• Экзамен
  Экзамен представляет собой практическую работу, выполняемую студентами по результатам освоения курса

Промежуточная аттестация

• 2023/2024 4th module
  0.15 * Контрольная работа + 0.15 * Письменные проверочные работы + 0.4 * Практические домашние задания + 0.3 * Экзамен

Список литературы

Рекомендуемая основная литература

• Christopher M. Bishop. (n.d.). Australian National University Pattern Recognition and Machine Learning. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.EBA0C705
• Trevor Hastie, Robert Tibshirani, & Jerome Friedman. New York. (n.d.). Book Reviews 567 The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.45E1D521

Рекомендуемая дополнительная литература

• Mohri, M., Talwalkar, A., & Rostamizadeh, A. (2012). Foundations of Machine Learning. Cambridge, MA: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=478737