• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2018/2019

Введение в машинное обучение

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Когда читается: 3-й курс, 3, 4 модуль
Формат изучения: с онлайн-курсом
Преподаватели: Бузмаков Алексей Владимирович, Чусовлянкин Алексей Александрович, Шаляева Ирина Михайловна
Язык: русский
Кредиты: 5
Контактные часы: 48

Программа дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает требования к образовательным результатам и результатам обучения студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих дисциплину «Введение в машинное обучение», учебных ассистентов и студентов направления подготовки 38.03.05 Бизнес-информатика, обучающихся по образовательной программе «Бизнес информатика» и студентов направления подготовки 09.03.04 Программная инженерия, обучающихся по образовательной программе «Программная инженерия».
Цель освоения дисциплины

Цель освоения дисциплины

  • − приобретение навыков работы на языке Python, знание и понимание задач управления данными, в том числе, загрузка данных, преобразование данных, и предварительный анализ и визуализация данных
  • − знакомство с основными задачами и моделями машинного обучения, знание методов оценки качества работы различных моделей машинного обучения
  • − понимание процесса интеграции моделей машинного обучения в рамках задач стоящих перед потенциальными заказчиками
  • − повышение мотивации студентов на дальнейшее углубление своих знаний в области работы с данными и машинного обучения
Планируемые результаты обучения

Планируемые результаты обучения

  • Знает основные подходы к преобразованию данных; умеет работать с массивами данных; имеет навыки загрузки, преобразования, очистки и визуализизации данных на языке Python
  • Знает основные задачи машинного обучени; знает основные модели машинного обучения; умеет формализовать бизнес задачу как задачу машинного обучения; имеет навыки обучения и применения моделей машинного обучения на языке Python
  • Знает основные стадии ведения проекта машинного обучения; умеет распозанавать задачи машинного обучения в реальных бизнес-задачах; имеет навыки оценки качества и интерпретации полученных результатов
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Раздел 1. Введение в анализ данных и язык Python
    Тема 1. Введение в анализ данных Тема 2. Введение в язык Python Тема 3. Основные операции работы с данными Тема 4. Визуализация данных
  • Раздел 2. Фундаментальные основы машинного обучения
    Тема 5. Статистика и машинное обучение Тема 6. Задачи классификации и регрессии. Линейные и древесные модели Тема 7. Бэггинг и бустинг Тема 8. Задача кластеризации
  • Раздел 3. Прикладной опыт ведения проектов машинного обучения
    Тема 9. Разработка и создание аналитических приложений Тема 10. Внедрение, сопровождение и мониторинг модели Тема 11. Экспертиза качества моделей
Элементы контроля

Элементы контроля

  • неблокирующий лабораторная работа 1
  • неблокирующий лабораторная работа 2
  • неблокирующий лабораторная работа 3
  • неблокирующий выполнение проекта (самостоятельная работа)
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.3 * выполнение проекта (самостоятельная работа) + 0.1 * лабораторная работа 1 + 0.1 * лабораторная работа 2 + 0.1 * лабораторная работа 3 + 0.4 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Компьютерные технологии анализа данных в эконометрике / Д.М. Дайитбегов. - М.: ИНФРА-М: Вузовский учебник, 2008. - 578 с.: 70x100 1/16. - (Научная книга). (переплет) ISBN 978-5-16-003380-8 - Режим доступа: http://znanium.com/catalog/product/143137
  • Основы алгоритмизации и программирования на Python : учеб. пособие / С.Р. Гуриков. — М. : ФОРУМ : ИНФРА-М, 2018. — 343 с. — (Высшее образование: Бакалавриат). - Режим доступа: http://znanium.com/catalog/product/924699

Рекомендуемая дополнительная литература

  • Статистический анализ данных в MS Excel: Учебное пособие / А.Ю. Козлов, В.С. Мхитарян, В.Ф. Шишов. - М.: ИНФРА-М, 2012. - 320 с.: 60x90 1/16. - (Высшее образование). (переплет) ISBN 978-5-16-004579-5 - Режим доступа: http://znanium.com/catalog/product/238654
  • Экономическая информатика: Введение в экономический анализ информационных систем [Электронный ресурс] : Учебник. - M.: Инфра-М, 2005. - 965 с.: - (Учебники экономического факультета МГУ им. М.В. Ломоносова). - ISBN 5-16-002009-8. - Режим доступа: http://znanium.com/catalog/product/534301