Бакалавриат
2026/2027





Машинное обучение 2
ID 1159936
Статус:
Курс обязательный (Вычислительные социальные науки)
Где читается:
Факультет компьютерных наук
Когда читается:
3-й курс, 1, 2 модуль
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
5
Контактные часы:
56
Программа дисциплины
Аннотация
Дисциплина Машинное обучение 2 является продолжением Машинного обучения 1 и посвящена дополнительным темам этой науки, а также отработки практических навыков по выполнению задач анализа данных. Изучаются продвинутые разделы машинного обучения (метрические методы и быстрый поиск ближайших соседей, ранжирование, рекомендательные системы, поиск аномалий) и теоретические основы машинного обучения. Также в курсе выполняется проект, направленный на полноценное решение реальной задачи с помощью Python и инструментов data scientist'а.
Цель освоения дисциплины
- Знать продвинутые постановки задач в машинном обучении
- Владеть методами для решения нестандартных задач машинного обучения
- Уметь выполнять полный цикл решения задачи анализа данных
Планируемые результаты обучения
- Владеть методами построения рекомендательных систем
- Знать метрические методы машинного обучения и владеть методами быстрого поиска ближайших соседей
- Знать продвинутые постановки задач машинного обучения
- Уметь решать задачи поиска аномалий и кластеризации
- Уметь решать задачи ранжирования
Содержание учебной дисциплины
- Обучение с учителем
- Обучение без учителя
- Ранжирование и рекомендательные системы
- Задача адаптации признакового пространства (domain adaptation), transfer learning
Элементы контроля
- Проверочные работы на семинарах (ПЗ)
- Письменный экзамен (Э)Экзамен письменный. Экзамен проходит с прокторингом через Examus в системе Moodle. Студенты получают задание, решают на бумаге, в конце загружают фотографии/сканы решений. Экзамен длится 2 астрономических часа. Во время экзамена разрешено только смотреть в условия задач и писать на листах бумаги, которые были чистыми до начала экзамена. Если у студента случился обрыв связи продолжительностью менее пяти минут, он может продолжить написание экзамена (дополнительное время при этом не предоставляется). Если случился обрыв связи продолжительностью дольше 5 минут, то считается, что студент пропустил экзамен. В этом случае ему будет предложено без штрафов сдать экзамен устно в течение недели с момента данного экзамена.
- Домашние задания (ДЗ)
- Коллоквиум
Промежуточная аттестация
- 2026/2027 2nd module0.3 * Письменный экзамен (Э) + 0.25 * Домашние задания (ДЗ) + 0.15 * Проверочные работы на семинарах (ПЗ) + 0.3 * Коллоквиум
Список литературы
Рекомендуемая основная литература
- Hastie, T., Tibshirani, R., Friedman, J. The elements of statistical learning: Data Mining, Inference, and Prediction. – Springer, 2009. – 745 pp.
- Глубокое обучение - Гудфеллоу Я., Бенджио И., Курвилль А. - Издательство "ДМК Пресс" - 978-5-97060-618-6 - 2018 - русский - https://e.lanbook.com/book/107901 - ЛАНЬ - 107901
- 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
- Никитин, П. В. Машинное обучение с подкреплением : учебник / П. В. Никитин, С. А. Корчагин, Е. В. Романова. — Москва : КноРус, 2026. — 236 с. — ISBN 978-5-406-15268-3. — URL: https://book.ru/book/959175 (дата обращения: 01.07.2026). — Текст : электронный.
- Обучение с подкреплением: введение - Саттон Р. С., Барто Э. Дж. - Издательство "ДМК Пресс" - 978-5-97060-097-9 - 2020 - русский - https://e.lanbook.com/book/179453 - ЛАНЬ - 179453
Рекомендуемая дополнительная литература
- Информационные технологии. Лабораторный практикум - Галиева А. И., Галиева Г. И., Дмитриев В. Г. - Издательство "Лань" - 978-5-507-53784-6 - 2026 - русский - https://e.lanbook.com/book/510274 - ЛАНЬ - 510274