Математические основы машинного обучения

2026/2027

Статус: Маго-лего

Кто читает: Департамент электронной инженерии

Где читается: Московский институт электроники и математики им. А.Н. Тихонова

Когда читается: 3 модуль

Охват аудитории: для своего кампуса

Язык: русский

Кредиты: 3

Контактные часы: 20

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина посвящена математическому аппарату, лежащему в основе методов машинного обучения, и практике его применения. Рассматривается формализация основных классов задач машинного обучения, теоретико-вероятностная постановка задачи обучения с учителем и связанные с ней понятия ожидаемого и эмпирического риска. Изучаются статистические оценки и проверка гипотез как инструмент обоснованного сравнения моделей. Теоретический материал сопровождается практической работой на языке Python: вычислительные эксперименты, реализация изучаемых алгоритмов и построение корректных схем валидации. Итогом освоения дисциплины является самостоятельная реализация алгоритма отбора признаков для задачи регрессии.

Цель освоения дисциплины

Целями освоения дисциплины «Математические основы машинного обучения» являются: – ознакомление студентов с теоретическими основами и основными принципами машинного обучения — с классами моделей (линейные, метрические, логические, нейросетевые), метриками качества и подходами к подготовке данных; – формирование навыка корректной формализации прикладной задачи в терминах машинного обучения: выбор постановки, функции потерь и меры качества; – освоение математического аппарата оценивания обобщающей способности моделей и обоснованного сравнения альтернативных решений; – формирование практических навыков работы с популярными программными пакетами машинного обучения для решения прикладных задач.

Планируемые результаты обучения

Владеет методами машинного обучения и популярными программными пакетами для решения практических задач машинного обучения.
Знает наиболее популярные направления исследований в машинном обучении.
Знает понятия и методы машинного обучения, которые могут быть полезны для дальнейшего изучения соответствующих дисциплин, а также для применения в профессиональной деятельности.
Умеет выбирать методы машинного обучения для решения задач в области профессиональной деятельности.

Содержание учебной дисциплины

Раздел 1. Введение в машинное обучение.
Раздел 2. Статистические оценки и проверка гипотез.
Раздел 3. Машинное обучение как математическое моделирование.
Раздел 4. Выбор и оценка моделей, работа с признаками.
Раздел 5. Признаковые представления для дискретных входных данных.

Элементы контроля

Домашнее задание: «Реализация алгоритма отбора признаков для задачи регрессии».
Форма проведения: выполняется студентом самостоятельно в течение учебного периода, результат представляется в виде программной реализации на языке Python и сопроводительного отчёта.
Экзамен
Форма проведения: устный экзамен по материалу всех разделов дисциплины, проводится в период сессии в офлайн-формате.

Промежуточная аттестация

2026/2027 3rd module
0.5 * Экзамен + 0.5 * Домашнее задание: «Реализация алгоритма отбора признаков для задачи регрессии».

Список литературы

Авторы

Кучерявый Евгений Андреевич

Программа дисциплины