Research Seminar "Machine Learning and Applications 2"

2025/2026

Учебный год

ENG

Обучение ведется на английском языке

6

Кредиты

Лучший по критерию «Новизна полученных знаний»

Кто читает:

Департамент больших данных и информационного поиска

Статус:

Курс по выбору

Когда читается:

4-й курс, 1-3 модуль

Преподаватель

Куцаков Александр Сергеевич

Course Syllabus

Abstract

Курс посвящён чтению, пониманию и обсуждению научных статей по машинному и глубокому обучению. Студенты разбирают постановку исследовательской задачи, методы, основные результаты и ограничения работ, связывают их с предшествующими исследованиями и учатся ясно представлять материал аудитории. Основу занятий составляют студенческие доклады, научная дискуссия и выступления приглашённых исследователей. Студенты готовят письменные рецензии на доклады и дважды за курс проходят устный коллоквиум. После необходимых классических работ основное внимание уделяется исследованиям последних двух-трёх лет. Обязательное программирование, реализация методов и воспроизведение экспериментов в курс не входят.

Learning Objectives

• Развить навыки самостоятельного чтения научных статей по машинному и глубокому обучению.
• Научить выделять исследовательский вопрос, основную идею и вклад работы.
• Научить анализировать методологию, доказательства и экспериментальные результаты.
• Развить умение соотносить статью с предшествующими работами и текущим исследовательским направлением.
• Развить навыки ясного, точного и структурированного представления научных результатов.
• Развить навыки академической дискуссии и аргументированного рецензирования научных выступлений.

Expected Learning Outcomes

• Знать основные задачи в области современных исследований в машинном обучении (классификация, регрессия, сегментация, прогнозирование и т.д.).
• Знать современные алгоритмы и модели, рассматриваемые в научных статьях (сверточные нейронные сети, рекуррентные нейронные сети, бустинг, коллаборативная фильтрация, REINFORCE и т.д.), знать преимущества и недостатки моделей данных типов.
• Уметь готовить и проводить выступление с докладом на научную тему, а также вести дискуссию по материалам доклада.
• Уметь писать научные тексты.
• Уметь самостоятельно выбирать и изучать современные научные статьи, находить релевантную литературу.
• Студент может без дополнительной подготовки разобраться с научной статьей по глубинному обучению и презентовать ее другим.
• Студент умеет оценивать сложность статьи, качество ее презентации и сложность написания кода по ней.

Course Contents

• Приглашенные доклады.
• Выступления студентов с научными докладами.
• Научные тексты и их оформление.
• Знакомство, обсуждение пожеланий в особенностях курса (проводится впервые), обсуждение пререквизитов и подбор на основе этого списка статей
• Презентации статей

Assessment Elements

• Экзамен
• Презентации по статьям
• Ревью презентаций

Interim Assessment

• 2025/2026 2nd module
  Итог = Округление(0.6 * П + 0.1 * Р + 0.3 * Э), где П — средняя оценка за все презентации, Р — оценка за ревью (отнормированная до 10), Э — оценка за экзамен.
• 2025/2026 3rd module
  Итог = Округление(0.6 * П + 0.1 * Р + 0.3 * Э), где П — средняя оценка за все презентации, Р — оценка за ревью (отнормированная до 10), Э — оценка за экзамен.

Bibliography

Recommended Core Bibliography

• 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
• Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008
• Гудфеллоу, Я. Глубокое обучение / Я. Гудфеллоу, И. Бенджио, А. Курвилль , перевод с английского А. А. Слинкина. — 2-е изд. — Москва : ДМК Пресс, 2018. — 652 с. — ISBN 978-5-97060-618-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/107901 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Платонов, А. В.  Машинное обучение : учебное пособие для вузов / А. В. Платонов. — Москва : Издательство Юрайт, 2023. — 85 с. — (Высшее образование). — ISBN 978-5-534-15561-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/520544 (дата обращения: 02.07.2026).

Recommended Additional Bibliography

• James, G. et al. An introduction to statistical learning. – Springer, 2013. – 426 pp.
• Машинное обучение. Паттерны проектирования: Пер. с англ. / В. Лакшманан, С. Робинсон, М. Мунн. - 978-5-9775-6797-8 - Лакшманан В. - 2022 - Санкт-Петербург: БХВ-Петербург - https://ibooks.ru/products/385740 - 385740 - iBOOKS

Authors

• Akhmedova Giunai Intigam kyzy