• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Бакалаврская программа «Программная инженерия»

Научно-исследовательский семинар "Машинное обучение для программной инженерии"

2021/2022
Учебный год
RUS
Обучение ведется на русском языке
3
Кредиты
Статус:
Курс по выбору
Когда читается:
3-й курс, 1-3 модуль

Преподаватель


Литвинов Денис Владимирович

Программа дисциплины

Аннотация

В рамках данной дисциплины студенты познакомятся с широким спектром научных работ, посвященных различным применениям методов машинного обучения для решения задач программной инженерии. Студенты не только должны будут изучить предложенные преподавателем исследования, но и принять участие в работе над собственными проектами. В первой части дисциплины предполагается также познакомить студентов с необходимыми базовыми знаниями в областях представления знания, машинного обучения и искусственного интеллекта.
Цель освоения дисциплины

Цель освоения дисциплины

  • Знать алгоритмы и структуры данных для обработки текста
  • Знать базовые понятия и алгоритмы машинного обучения
  • Применять машинное обучение в задачах анализа кода
  • Разбираться в основных архитектурах нейронных сетей для задач анализа кода.
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать алгоритмы и структуры данных для обработки текста
  • Знать базовые понятия и алгоритмы машинного обучения
  • Применять машинное обучение в задачах анализа кода
  • Разбираться в основных архитектурах нейронных сетей для задач анализа кода.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Линейные модели, основы машинного обучения I
  • Линейные модели, основы машинного обучения II
  • Распределенные представления
  • Основы нейронных сетей
  • Сверточные и рекуррентные нейронные сети
  • Моделирование языка
  • Трансформеры
  • Использование предобученных моделей
  • Информационный поиск
  • Современные архитектуры трансформеров I
  • Современные архитектуры трансформеров II
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание 1
  • неблокирующий Домашнее задание 2
  • неблокирующий Домашнее задание 3
  • неблокирующий Домашнее задание 4
  • неблокирующий Домашнее задание 5
  • неблокирующий Доклад
  • неблокирующий Активность
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 3 модуль
    0.12 * Домашнее задание 3 + 0.12 * Домашнее задание 1 + 0.12 * Домашнее задание 2 + 0.2 * Активность + 0.2 * Доклад + 0.12 * Домашнее задание 4 + 0.12 * Домашнее задание 5
Список литературы

Список литературы

Рекомендуемая основная литература

  • Deep learning, Goodfellow, I., 2016
  • Pattern recognition and machine learning, Bishop, C. M., 2006

Рекомендуемая дополнительная литература

  • 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
  • Sheldon Axler. (2015). Linear Algebra Done Right: Vol. Third edition. Springer.
  • Uday Kamath, John Liu, & James Whitaker. (2019). Deep Learning for NLP and Speech Recognition. Springer.