Машинное обучение и нейросети

Бакалавриат 2019/2020

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс по выбору (Медиакоммуникации)

Направление: 42.03.05. Медиакоммуникации

Кто читает: Институт медиа

Где читается: Факультет креативных индустрий

Когда читается: 4-й курс, 2 модуль

Формат изучения: без онлайн-курса

Преподаватели: Гилазтдинов Рустам Рафаилович

Язык: русский

Кредиты: 3

Контактные часы: 38

Полная версия программы учебной дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов курса по выбору «Машинное обучение и нейросети». Программа разработана в соответствии с образовательным стандартом Федерального государственного автономного образовательного учреждения высшего образования «Национальный исследовательский университет «Высшая школа экономики» по направлению подготовки 42.03.05 Медиакоммуникации для квалификации «бакалавр».

Цель освоения дисциплины

Овладение студентами моделями и методами интеллектуального анализа данных и машинного обучения.
Изучение способов обработки данных.
Освоение инструментария для анализа текстовых данных.
Приобретение навыков исследователя данных.
Формирование навыков использовать и анализировать данные разных форматов и разных источников.

Планируемые результаты обучения

Использует основные модели и методы машинного обучения и разработки.
Применяет модели и методы машинного обучения в специализированном программной обеспечении.
Анализирует реальные данные с помощью методов машинного обучения.

Содержание учебной дисциплины

Введение в машинное обучение
Проект машинного обучения. Обучение моделей. Использование моделей машинного обучения. Современные практики, сценарии и кейсы применения моделей машинного обучения.
Подготовка, чтение, работа с данными
SQL, pandas, open datasets
Алгоритмы машинного обучения
Классификация, регрессия. Деревья принятия решений. Методы опорных векторов. Ансамблевое обучение и случайные леса.
Рекомендательные системы
Классификация рекомендательных систем. Контентные рекомендательные системы. Коллаборативная фильтрация: сходство по пользователям (user-based) и сходство по признакам (item-based). Оценка качества рекомендательных систем (Precision, Recall, F1-мера, HitRate, MAE, RMSE, NDCG).
Microsoft Azure Machine Learning Studio
Изучение возможностей облачной среды Microsoft Azure Machine Learning Studio для решения задач машинного обучения
Область автоматической обработки текстов
Естественный язык и текст. Особенности обработки естественных языков. Лингвистический анализ. Извлечение признаков. Прикладные задачи обработки текста
Векторная модель текста и классификация текстов
Векторная модель текста, BOW, TF-IFD. Логистическая регресия.
Нейронные сети
Математическая модель нейрона. Восстановление зависимости нейронной сетью. Компоненты нейронной сети. Алгоритм настройки нейронной сети. Методы оптимизации. Регуляризация и нормализация.
Нейросетевые методы работы с текстами
Общий алгоритм работы с текстами с помощью нейросетей. Дистрибутивная семантика и векторные представления слов. Основные виды нейросетевых моделей для обработки текстов. Сверточные нейронные сети для обработки текстов.
Языковые модели и генерация текста
Рекуррентные нейронные сети. Моделирование языка. Агрегация, механизм внимания. Преобразование последовательностей (seq2seq).
Transfer learning, адаптация моделей
Контекстуализированные представления и перенос знаний
Полный проект машинного обучения
Оформление проекта, решающего задачу машинного обучения

Элементы контроля

Самостоятельная работа 1
Самостоятельная работа 2
Самостоятельная работа 3
Самостоятельная работа 4

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.25 * Самостоятельная работа 1 + 0.25 * Самостоятельная работа 2 + 0.25 * Самостоятельная работа 3 + 0.25 * Самостоятельная работа 4

Программа дисциплины