• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2026/2027

Семинар наставника

ID 972868

Статус: Курс обязательный (Искусственный интеллект)
Когда читается: 2-й курс, 1-3 модуль
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 6
Контактные часы: 28

Программа дисциплины

Аннотация

Семинар наставника для второго курса магистратуры помогает студентам закрепить знания по глубинному обучению и NLP, подготовиться к техническим собеседованиям и научиться работать с научными текстами. Во втором модуле студенты проходят тестирование по глубинному обучению и NLP и демо-собеседования. В третьем модуле студенты учатся читать научные статьи по анализу данных, разбираться в них и делать по ним доклады, а также готовить хорошие презентации; в качестве альтернативы студенты могут готовить доклад и презентацию по своей выпускной квалификационной работе.
Цель освоения дисциплины

Цель освоения дисциплины

  • Закрепление знаний по глубинному обучению и NLP, подготовка к техническим собеседованиям
  • Умение читать научные статьи по Data Science, разбираться в них и делать по ним доклады
  • Умение делать хорошие презентации и понимание того, чем плохие презентации отличаются от хороших
  • Развитие навыков подготовки презентации и доклада по выпускной квалификационной работе
Планируемые результаты обучения

Планируемые результаты обучения

  • Знание ключевых методов глубинного обучения и NLP.
  • Готовность к техническому собеседованию по машинному обучению, глубинному обучению и NLP, математике и инструментам разработки.
  • Умение находить, читать и критически анализировать научные статьи по анализу данных и машинному обучению.
  • Умение готовить понятную презентацию и выступать с докладом по научной статье или по результатам своей ВКР.
  • Умение отвечать на вопросы аудитории и давать обратную связь по докладам других студентов.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тестирование по глубинному обучению и NLP (2 модуль)
  • Демо-собеседования (2 модуль)
  • Как делать доклады и презентации (3 модуль)
  • Доклады по научным статьям и ВКР, часть 1 (3 модуль)
  • Как читать научные статьи (3 модуль)
  • Доклады по научным статьям и ВКР, часть 2 (3 модуль)
Элементы контроля

Элементы контроля

  • неблокирующий Тестирование по глубинному обучению и NLP
  • неблокирующий Демо-собеседование
    Собеседование по машинному обучению, глубинному обучению и NLP, математике и инструментам разработки.
  • неблокирующий Доклад с презентацией, ревью, промежуточные тестирования
Промежуточная аттестация

Промежуточная аттестация

  • 2025/2026 2nd module
    Первый семестр: зачет, если 0.5*max \{ML,0.8*TestML \} >= 4 Второй семестр: зачет, если 0.5*max \{DL,0.8*TestDL \} >= 4
  • 2025/2026 4th module
    Первый семестр: зачет, если 0.5*max \{ML,0.8*TestML \} >= 4 Второй семестр: зачет, если 0.5*max \{DL,0.8*TestDL \} >= 4
  • 2026/2027 2nd module
    Формула оценивания: «зачёт», если получен зачёт за тестирование по глубинному обучению и NLP и за демо-собеседование; иначе — «незачёт».
  • 2026/2027 3rd module
    Формула оценивания: «зачёт», если студент выступил с докладом по научной статье или по своей ВКР и доклад соответствует критериям, а также прошел промежуточные тестирования и ревью; иначе — «незачёт». Итоговая оценка — «зачёт/незачет».
Список литературы

Список литературы

Рекомендуемая основная литература

  • Speech and language processing, Jurafsky, D., 2014
  • Глубокое обучение, Гудфеллоу, Я., 2018

Рекомендуемая дополнительная литература

  • Глубокое обучение - Николенко С., Кадурин А., Архангельская Е. - Санкт-Петербург: Питер - 978-5-496-02536-2 - 2019 - русский - https://ibooks.ru/product/338586 - iBOOKS - 338586

Авторы

  • Ахмедова Гюнай Интигам кызы