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

Машинное обучение для больших данных

ID 1134447

Статус: Курс обязательный (Компьютерные науки и анализ данных)
Когда читается: 4-й курс, 3 модуль
Онлайн-часы: 60
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 4
Контактные часы: 40

Программа дисциплины

Аннотация

Дисциплина знакомит студентов с основными задачами машинного обучения на больших данных, их особенностями и ограничениями.
Цель освоения дисциплины

Цель освоения дисциплины

  • Ознакомление студентов с основными задачами машинного обучения на больших данных, их особенностями и ограничениями
Планируемые результаты обучения

Планируемые результаты обучения

  • Владеть инструментами обработки данных в парадигме MapReduce
  • Знать особенности распараллеливания алгоритмов машинного обучения для применения на больших данных
  • Уметь работать с большими данными в реальных задачах
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Hadoop
  • Spark
  • Linear models
  • Boosting
  • Recommender systems
  • Neural networks
  • Hashing tricks
  • Min hash & LSH
  • Spark streaming and Kafka
  • Catboost
Элементы контроля

Элементы контроля

  • неблокирующий Мини-домашнее задание 3
    Более продвинутые задачи по работе на Spark Собрать признаки из имеющихся данных
  • неблокирующий Мини-домашнее задание 2
    Алгоритм на Map Reduce Алгоритмы на Spark
  • неблокирующий Большое домашнее задание
    Обучить модель на большом датасете
  • неблокирующий Мини-домашнее задание 1
    Работа с облаком Алгоритм на Bash
  • неблокирующий Мини-домашнее задание 4
    Собрать датасет на Spark Обучить классическую модель
Промежуточная аттестация

Промежуточная аттестация

  • 2026/2027 3rd module
    Итог = 0.125*(МДЗ1 + МДЗ2 + МДЗ3 + МДЗ4) + 0.5*ДЗ
Список литературы

Список литературы

Рекомендуемая основная литература

  • Spark для профессионалов: современные паттерны обработки больших данных - Риза С., Лезерсон У., Оуэн Ш., Уиллс Д. - Санкт-Петербург: Питер - 978-5-496-02401-3 - 2017 - русский - https://ibooks.ru/product/339452 - iBOOKS - 339452
  • Искусственный интеллект и машинное обучение - Митяков Е. С., Шмелева А. Г., Ладынин А. И. - Издательство "Лань" - 978-5-507-51198-3 - 2026 - русский - https://e.lanbook.com/book/507451 - ЛАНЬ - 507451
  • Распределенные системы и алгоритмы - Миков А.И., Замятина Е.Б. - Национальный Открытый Университет "ИНТУИТ" - - - 2016 - русский - https://e.lanbook.com/book/100446 - ЛАНЬ - 100446

Рекомендуемая дополнительная литература

  • An Introduction to the Bootstrap, Efron, B., 1993
  • Машинное обучение : наука и искусство построения алгоритмов, которые извлекают знания из данных, Флах, П., 2015
  • Технологии обеспечения информационной безопасности больших данных в компьютерных сетях. Информационная безопасность в системах обработки данных на примере Hadoop и Spark - - - Московский технический университет связи и информатики - - - 2025 - русский - https://e.lanbook.com/book/501212 - ЛАНЬ - 501212

Авторы

  • Зимовнов Андрей Вадимович