• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2020/2021

Дополнительные главы машинного обучения

Статус: Курс по выбору (Программирование и анализ данных)
Направление: 01.04.02. Прикладная математика и информатика
Когда читается: 1-й курс, 1-3 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Прогр. обучения: Программирование и анализ данных
Язык: русский
Кредиты: 9

Программа дисциплины

Аннотация

Целью освоения дисциплины «Дополнительные главы машинного обучения» является формирование у студентов теоретических знаний и практических навыков по основам работы с продвинутыми алгоритмами машинного обучения. Дисциплина направлена на ознакомление студентов с теоретическими основами и основными принципами машинного обучения, овладение студентами инструментарием, моделями и методами машинного обучения, а также приобретение навыков исследователя данных (data scientist) и разработчика математических моделей, методов и алгоритмов анализа данных.
Цель освоения дисциплины

Цель освоения дисциплины

  • формирование у студентов теоретических знаний и практических навыков по основам работы с продвинутыми алгоритмами машинного обучения
Планируемые результаты обучения

Планируемые результаты обучения

  • Знает различные методы математическ ой статистики, применяемые для выделения важных признаков и уменьшения размерности данных. Применяет данные алгоритмы для конкретных наборов данных. Оценивает значимость и корректность производимы х изменений признаков.
  • Знает различные алгоритмы и математически е модели, применяемые в анализе распределения данных. Производит семплинг, используя различные методы машинного обучения. Выбирает целевые функции для интерпретации результатов машинного обучения
  • Знает структуру и основные требования к содержанию описания решения задачи из области машинного обучения. Применяет подходы и результаты с различных соревнований по машинному обучения для решения возникающих прикладных задач. Обрабатывает и интерпретируе т результаты существующи х программных решений.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Анализ размерности данных и работа с признаками
  • Анализ распределения данных
  • Интерпретация результатов
Элементы контроля

Элементы контроля

  • неблокирующий Проект
  • блокирующий Устный экзамен
    Экзамен проводится на платформе Zoom. Экзамен проводится в устной форме (опрос по материалам курса). По просьбе преподавателя студент должен быть готов выполнить некоторые задания в письменном виде, после чего сфотографировать и выслать на почту преподавателю. К экзамену необходимо подключиться согласно расписанию, высланному преподавателем на корпоративные почты студентов накануне экзамена. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, поддержка платформы Zoom. Для участия в экзамене студент обязан: выбрать себе имя в Zoom совпадающее с его именем и фамилией, явиться на экзамен согласно точному расписанию, при ответе включить камеру и микрофон. Во время экзамена студентам запрещается выключать камеру. Ипользование конспектов или других справочных материалов допускается только с разрешения преподавателя. Кратковременным нарушением связи во время экзамена считается нарушение связи менее 5 минут. Долговременным нарушением связи во время экзамена считается нарушение 5 минут и более. При долговременном нарушении связи возможность продолжения студентом участие в экзамене определяется преподавателем. Процедура пересдачи подразумевает использование усложненных заданий.
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (3 модуль)
    0.5 * Проект + 0.5 * Устный экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Murphy, K. P. (2012). Machine Learning : A Probabilistic Perspective. Cambridge, Mass: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=480968

Рекомендуемая дополнительная литература

  • Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008