Бакалавриат 2021/2022

Машинное обучение

Статус: Курс по выбору (Совместная программа по экономике НИУ ВШЭ и РЭШ)

Направление: 38.03.01. Экономика

Кто читает: Отдел сопровождения учебного процесса в Совместном бакалавриате ВШЭ-РЭШ

Где читается: Факультет экономических наук

Когда читается: 3-й курс, 1, 2 модуль

Формат изучения: с онлайн-курсом

Охват аудитории: для своего кампуса

Преподаватели: Карпова Анастасия Евгеньевна, Чиркова Надежда Александровна

Язык: русский

Кредиты: 6

Контактные часы: 64

Программа дисциплины

Аннотация

Курс предназначен для студентов бакалавриата. В ходе курса будут рассмотрены темы, дающие представление об основных понятиях и постановке задач машинного обучения. Студенты научатся выполнять полный цикл построения модели, обучать модели и оценивать их качества, смогут выполнять кластеризацию и визуализацию данных.

Цель освоения дисциплины

• Знает основные понятия и постановки задач машинного обучения
• Знает теоретические основы линейных и логических методов машинного обучения
• Знает принципы построения композиций моделей
• Знает основные метрики качества для регрессии и классификации
• Умеет выполнять полный цикл построения модели
• Умеет обучать основные модели машинного обучения, оценивать их качества
• Умеет выполнять кластеризацию и визуализацию данных

Планируемые результаты обучения

• Знает основные понятия и постановки задач машинного обучения
• Умеет выполнять кластеризацию и визуализацию данных
• Знает основные метрики качества для регрессии и классификации
• Знает принципы построения композиций моделей
• Знает теоретические основы линейных, логических и нейросетевых методов машинного обучения
• Умеет выполнять полный цикл построения модели
• Умеет обучать основные модели машинного обучения, оценивать их качество

Содержание учебной дисциплины

• Введение в машинное обучение и анализ данных
• Линейные модели
• Решающие деревья
• Композиции моделей
• Обучение без учителя
• Глубинное обучение

Элементы контроля

• Домашнее задание
  6-9 домашних работ. Средняя оценка за домашние работы составляет 40% итоговой оценки.
• Работа на занятии
  4-6 проверочных работ в течение семестра. Средняя оценка за проверочные работы составляет 10% итоговой оценки
• Контрольная работа
  20% итоговой оценки
• Итоговая контрольная работа
  30% итоговой оценки

Промежуточная аттестация

• 2021/2022 учебный год 2 модуль
  0.4 * Домашнее задание + 0.1 * Работа на занятии + 0.2 * Контрольная работа + 0.3 * Итоговая контрольная работа

Список литературы

Рекомендуемая основная литература

• Robert A. Beezer, T. Hastie, R. Tibshirani, & J. Friedman Springer. (2002). The Elements of Statistical Learning: Data Mining, Inference and Prediction. By. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.C9BC2266

Рекомендуемая дополнительная 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