Бакалавриат
2020/2021
Анализ и разработка данных
Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Статус:
Курс обязательный (Прикладная математика и информатика)
Направление:
01.03.02. Прикладная математика и информатика
Когда читается:
4-й курс, 1 модуль
Формат изучения:
без онлайн-курса
Преподаватели:
Гречихин Иван Сергеевич
Язык:
русский
Кредиты:
3
Контактные часы:
28
Программа дисциплины
Аннотация
Настоящая дисциплина относится к профессиональному циклу дисциплин, обеспечивающих подготовку бакалавра по направлению «прикладная математика и информатика». Изучение данной дисциплины базируется на знании, полученных при освоении дисциплин: линейная алгебра и геометрия, математический анализ, дискретная математика, математическая статистика, программировании.
Цель освоения дисциплины
- Целью освоения дисциплины «Анализ и разработка данных» является получение высшего профессионально профилированного (на уровне бакалавра) образования, позволяющего выпускнику успешно работать в избранной сфере деятельности, обладать универсальными и предметно-специализированными компетенциями, способствующими его социальной мобильности и устойчивости на рынке труда.
Планируемые результаты обучения
- Знакомство с нейронными сетями
- Понимание математических основ алгоритма обратного распространения ошибок
- Понимание целей использования свёрточных и рекуррентных слоёв нейронной сети
- Умение создавать архитектуры нейронных сетей и настраивать их для поставленных целей
- Понимание уязвимых мест нейронных сетей и возможных проблем в их работе
- Знание известных архитектур классификации изображений
- Знание последних результатов в области глубокого обучения
Содержание учебной дисциплины
- Нейронные сети: основыВ этой теме рассказываются основные понятия связанные с нейронными сетями, базовые составляющие, а также алгоритм обратного распространения ошибки
- Нейронные сети: настройкаВ этой теме раскрываются некоторые более сложные составляющие нейронной сети, такие как свёрточные и реккурентные слои, а также функции активации, оптимизации, ошибок и слои нормализации.
- Архитектуры нейронных сетейВ этой теме раскрывается то, как на основе отдельных частей нейронных сетей создаются глубокие архитектуры на примере задачи классификации изображений
Промежуточная аттестация
- Промежуточная аттестация (1 модуль)0.5 * Лабораторная работа + 0.5 * экзамен
Список литературы
Рекомендуемая основная литература
- Статистические методы анализа данных : учебник / Л.И. Ниворожкина, С.В. Арженовский, А.А. Рудяга [и др.] ; под общ. ред. д-ра экон. наук, проф. Л.И. Ниворожкиной. — М. : РИОР : ИНФРА-М, 2016. — 333 с. — (Высшее образование: Бакалавриат). — www.dx.doi.org/10.12737/21064. - Режим доступа: http://znanium.com/catalog/product/556760
- Статистический анализ данных, моделирование и исследование вероятностных закономерностей. Компьютерный подход / Б.Ю. Лемешко, С.Б. Лемешко, С.Н. Постовалов и др. - М.: НИЦ ИНФРА-М, 2015. - 890 с.: 60x90 1/16 ISBN 978-5-16-103267-1 (online) - Режим доступа: http://znanium.com/catalog/product/515227
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