• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2022/2023

Машинное обучение

Направление: 38.03.01. Экономика
Кто читает: Отдел сопровождения учебного процесса в Совместном бакалавриате ВШЭ-РЭШ
Когда читается: 4-й курс, 1, 2 модуль
Формат изучения: с онлайн-курсом
Онлайн-часы: 20
Охват аудитории: для своего кампуса
Преподаватели: Гущин Михаил Иванович, Пономарев Алексей Александрович
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

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

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

Содержание учебной дисциплины

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

Элементы контроля

  • неблокирующий Домашнее задание
    8 домашних работ
  • неблокирующий Работа на занятии
  • неблокирующий Контрольная работа
  • неблокирующий Итоговая контрольная работа
  • неблокирующий Домашнее задание
    8 домашних работ
  • неблокирующий Работа на занятии
  • неблокирующий Контрольная работа
  • неблокирующий Итоговая контрольная работа
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год 2 модуль
Список литературы

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