Машинное обучение

Бакалавриат 2022/2023

Статус: Курс обязательный (Прикладная математика и информатика)

Направление: 01.03.02. Прикладная математика и информатика

Кто читает: Кафедра прикладной математики и информатики (Нижний Новгород)

Где читается: Факультет информатики, математики и компьютерных наук (Нижний Новгород)

Когда читается: 4-й курс, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Жестков Борис Григорьевич

Язык: русский

Кредиты: 3

Контактные часы: 28

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина направлена на теоретическое и практическое изучение основ машинного обучения. Машинное обучение – это подраздел искусственного интеллекта, актуальная и динамично развивающаяся дисциплина, тесно связанная с различными разделами математики и компьютерных наук. Машинное обучение решает проблемы, связанные с разработкой и применением алгоритмов, способных выполнять такие сложные задачи, как распознавание образов, автоматическая обработка текстов и др. Важной особенностью алгоритмов машинного обучения является то, что они не требуют подробных инструкций по выполнению задач, но способны сами "обучаться" на примерах решения аналогичных задач человеком.

Цель освоения дисциплины

Целью освоения дисциплины «Машинное обучение» 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

Владеет навыками работы программирования на python и работы в консоли
Знает базовые архитектуры нейронных сетей для их решения;
Знает понятие и свойства случайной величины, свойства её характеристик
Знает постановки основных задач машинного обучения;
Знает программные инструменты и библиотеки их реализующие.
Знает свойства линейных преобразований и операций над матрицами;
Использует инструменты машинного обучения для анализа данных
Применяет программные продукты для решения задач
Умеет тренировать нейронные сети для решения прикладных задач в различных предметных областях;