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

Машинное обучение 2

Когда читается: 2-й курс, 3, 4 модуль
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 6
Контактные часы: 64

Программа дисциплины

Аннотация

Методы машинного обучения нашли применение во многих областях и оказали значительное влияние на различные предметные области. В данном курсе рассматриваются основные результаты, достигнутые в обработке естественного языка, обучении с подкреплением и компьютерном зрении. В ходе анализа подходов, позволивших добиться значимых успехов в различных областях, обнаруживается, что они сильно взаимосвязаны и, более того, зачастую могут дополнить друг друга. В данном курсе рассматриваются как теоретические основы существующих подходов к различным задачам, так и их техническая реализация и перспективы для дальнейшего развития.
Цель освоения дисциплины

Цель освоения дисциплины

  • сформировать теоретические и практические знания в области обучения машин, современных методов восстановления зависимостей по эмпирическим данным, включая дискриминантный, кластерный и регрессионный анализ, частичное обучение.
Планируемые результаты обучения

Планируемые результаты обучения

  • знает основные принципы и проблематику теории обучения машин
  • знает основные современные методы обучении по прецедентам — классификации, кластеризации и регрессии.
  • умеет формализовать постановки прикладных задач анализа данных
  • умеет использовать методы обучения по прецедентам для решения практических задач
  • умеет оценивать точность и эффективность полученных решений
  • владеет основными понятиями теории машинного обучения
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в обучение с подкреплением
  • Глубокое обучение в компьютерном зрении
  • Методы обработки естественного языка
Элементы контроля

Элементы контроля

  • неблокирующий 7 домашних заданий + 2 лабораторные работы
  • неблокирующий Устный опрос
Промежуточная аттестация

Промежуточная аттестация

  • 2026/2027 4th module
    0.7 * 7 домашних заданий + 2 лабораторные работы + 0.3 * Устный опрос
Список литературы

Список литературы

Рекомендуемая основная литература

  • 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
  • Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning, 2016. URL: http://www.deeplearningbook.org
  • Кремер, Н. Ш.  Математическая статистика : учебник и практикум для вузов / Н. Ш. Кремер. — 5-е изд. — Москва : Издательство Юрайт, 2023. — 259 с. — (Высшее образование). — ISBN 978-5-534-01654-3. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/511953 (дата обращения: 02.07.2026).

Рекомендуемая дополнительная литература

  • Боровков, А. А. Математическая статистика : учебник для вузов / А. А. Боровков. — 5-е изд., стер. — Санкт-Петербург : Лань, 2021. — 704 с. — ISBN 978-5-8114-7677-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/164711 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Эконометрика. Начальный курс, учебник, 7-е изд., испр., 504 с., Магнус, Я. Р., Катышев, П. К., Пересецкий, А. А., 2005

Авторы

  • Мальбахова Диса Анзоровна
  • Антонова Екатерина Сергеевна