Современные методы машинного обучения

2021/2022

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

Лучший по критерию «Новизна полученных знаний»

Статус: Майнор

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

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

Когда читается: 1, 2 модуль

Преподаватели: Казаков Максим Анатольевич, Модвала Сергей Жоржович, Шимко Алексей Андреевич

Язык: русский

Кредиты: 5

Контактные часы: 50

Полная версия программы учебной дисциплины

Аннотация

Изучаются продвинутые методы машинного обучения: линейные классификаторы (включая метод опорных векторов), ансамбли классификаторов (включая методы бустинга и случайные леса решений), нейронные сети (включая глубокие нейронные сети). Параллельно с освоением теории студенты приобретают практические навыки работы с реальными данными. Занятия ведут специалисты практики, активно работающие в области анализа данных и машинного обучения.

Цель освоения дисциплины

Знать: основные понятия и методы машинного обучения; о месте и ценности методов машинного обучения и разработки данных в современной науке и практической деятельности; основные каналы научной и прикладной информации по анализу данных и машинному обучению
Уметь: использовать освоенные методы машинного обучения для обработки конкретных наборов данных, анализировать результаты, делать выводы; формализовать конкретную задачу и разработать алгоритм решения
Владеть: методами программирования, отлаживания и тестирования современных алгоритмов машинного обучения

Планируемые результаты обучения

Знает и может использовать программные реализации алгоритмов ансамблей классификаторов для решения задач машинного обучения
Знает основные типы ансамблей классификаторов и основанные на них алгоритмы машинного обучения.
Знать основные архитектуры нейронных сетей
Знать принципы обучения и применения нейронных сетей
Понимает общие принципы построения ансамблей классификаторов.
Уметь обучать нейронные сети с помощью средств языка Python