Бакалавриат 2025/2026

Современные математические методы анализа сетевого трафика

Статус: Курс обязательный (Технологии искусственного и дополненного интеллекта)

Кто читает: Базовая кафедра группы компаний MERA (Нижний Новгород)

Где читается: Факультет информатики, математики и компьютерных наук (Нижний Новгород)

Когда читается: 4-й курс, 2, 3 модуль

Охват аудитории: для своего кампуса

Язык: русский

Кредиты: 4

Контактные часы: 68

Программа дисциплины

Аннотация

Для 4 курса ОП Технологии искусственного и дополненного инетеллекта НИУ ВШЭ - Нижний Новгород

Цель освоения дисциплины

• Получение навыков применения машинного обучения к сетевому трафику.

Планируемые результаты обучения

• Приобретение знаний по основным статистическим методам работы с временными рядами
• Ознакомление с типами задач машинного обучения и их специфики
• Приобретение знаний по типам и специфике нейронных сетей
• Понимание принципа построения автокодировщиков
• • Навыки по сбору записи сетевого трафика и работы с ним: o Преобразование записанных данных во временной ряд. o Формирование статистических характеристик временного ряда в векторном представлении.
• • Навык по исключение малозначимых параметров временных рядов
• • Визуализация данных в многомерных пространствах, сведённых к двумерным представлениям.
• • Навыки применения методов классификации и регрессии, борьбы с переобучением
• • Навык построения, обучения и оценки качества нейронных сетей разного типа для анализа данных
• Владение методиками обучения и применения автокодировщиков для обнаружения аномалий и уменьшения размерности

Содержание учебной дисциплины

• Анализ данных и основные методы статистики
• Задачи машинного обучения
• Нейронные сети
• Автокодировщики

Элементы контроля

• Тест
  Проверяет планируемые результаты обучения
• Работа на семинарских занятиях
• Тест
  ..
• Работа на семинарских занятиях
• Работа с программным обеспечением

Промежуточная аттестация

• 2025/2026 3rd module
  0.2 * Тест + 0.3 * Работа с программным обеспечением + 0.1 * Работа на семинарских занятиях + 0.1 * Работа на семинарских занятиях + 0.3 * Тест

Список литературы

Рекомендуемая основная литература

• Богданова, Е. А. Визуализация данных 3D : учебное пособие / Е. А. Богданова, Е. И. Горожанина. — Самара : ПГУТИ, 2018. — 84 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/182260 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Кизбикенов, К. О. Прогнозирование и временные ряды : учебное пособие / К. О. Кизбикенов. — Барнаул : АлтГПУ, 2017. — 115 с. — ISBN 978-5-88210-869-3. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/112174 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Милославская, Н. Г. Сетевые атаки на открытые системы на примере Интранета : учебное пособие / Н. Г. Милославская. — Москва : НИЯУ МИФИ, 2012. — 64 с. — ISBN 978-5-7262-1691-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/75789 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Андриянов, Н. А. Прикладные задачи машинного обучения и обработки больших данных : учебное пособие / Н. А. Андриянов. — Москва : Финансовый университет, 2023. — 201 с. — ISBN 978-5-7942-145-29. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/431111 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Лабонн, М. Графовые нейронные сети на Python : руководство / М. Лабонн , перевод с английского А. В. Груздева. — Москва : ДМК Пресс, 2025. — 342 с. — ISBN 978-5-93700-319-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/464306 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Санько, А. М. Модели и математические методы анализа микроэкономических процессов при формировании компетентности студентов – будущих экономистов : учебное пособие / А. М. Санько, С. П. Борисова. — 2-е изд., перераб. и доп. — Самара : Самарский университет, 2021. — 96 с. — ISBN 978-5-7883-1598-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/256910 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Титов, А. Н. Визуализация данных в Python. Основы работы с интерактивной библиотекой Altair : учебно-методическое пособие / А. Н. Титов, Р. Ф. Тазиева. — Казань : КНИТУ, 2024. — 128 с. — ISBN 978-5-7882-3478-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/477896 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Авторы

• Конаваленак Ирина Александровна