Магистратура
2021/2022
Научно-исследовательский семинар "Машинное обучение и приложения"
Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс обязательный (Программирование и анализ данных)
Направление:
01.04.02. Прикладная математика и информатика
Кто читает:
Департамент информатики
Когда читается:
2-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Новиков Борис Асенович
Прогр. обучения:
Программирование и анализ данных
Язык:
русский
Кредиты:
4
Контактные часы:
20
Программа дисциплины
Аннотация
Научно-исследовательский семинар направлен на развитие у студентов навыков участия в научно-исследовательской деятельности, знакомство с современными методами машинного обучения и их практическим применением, развитие навыков презентации результатов исследования и оформления презентационных материалов.
Цель освоения дисциплины
- Развитие у студентов навыков участия в научно-исследовательской деятельности.
- Знакомство студентов с современными методами машинного обучения и их практическим применением.
- Развитие у студентов навыков презентации результатов исследования и оформления презентационных материалов.
Планируемые результаты обучения
- Анализирует статьи реализации методов машинного обучения в "промышленных" задачах. Разбирается в вопросах нагрузки и отказоустойчивости. Владеет понятием обучения нейросетей на процессорах и видеокартах. Знает особенности инфраструктуры.
- Знает классические методы машинного обучения и владеет понятием практических прикладных задач. Применяет широкий спектр регрессий: линейные, логистиче-ские, LASSO, ElasticNet. Владеет понятиями регуляризации и переобучения.
- Знает классические методы машинного обучения и владеет понятием практических прикладных задач. Применяет широкий спектр регрессий: линейные, логистиче-ские, LASSO, ElasticNet. Владеет понятиями регуляризации и переобучения.
- Проводит анализ статей посвященных нейронным сетям и методам их обучения. Знает о практическом применении нейронных сетей в задачах распознавания образов или речи и в других областях. Владеет понятием обработки текста.
Содержание учебной дисциплины
- Классические методы машинного обучения и практические прикладные задачи
- Глубокое обучение и его применение
- Технологические вопросы применения методов машинного обучения
Элементы контроля
- Эссе
- Аудиторная работа
- ЭкзаменЭкзамен проводится в письменной форме с использованием синхронного прокторинга и состоит из ответов на два теоретических вопроса. Экзамен проводится на платформе Moodle (https://et.hse.ru), прокторинг на платформе Экзамус (https://hse.student.examus.net). К экзамену необходимо подключиться за 15 минут. На платформе Экзамус доступно тестирование системы. Компьютер студента должен удовлетворять следующим требованиям: https://elearning.hse.ru/data/2020/05/07/1544135594/Технические%20требования%20к%20ПК%20студента.pdf) Для участия в экзамене студент обязан: заранее зайти на платформу прокторинга, провести тест системы, включить камеру и микрофон, подтвердить личность. Время выполнения задания два часа. Время начала экзамена 11:00, завершение в 13:00. Во время выполнения студент записывает свой ответ на чистом листе бумаги, после фотографирует и высылает решение фотографию на электронную почту преподавателя. На отсылку решения дается 5 минут по завершении экзамена. Во время экзамена студентам запрещено: общаться (в социальных сетях, с людьми в комнате), списывать, использовать любые материалы. Во время экзамена студентам разрешено иметь при себе ручку и чистые листы бумаги, во время отправки решений разрешается использовать мобильный телефон или сканер. Кратковременным нарушением связи во время экзамена считается прерывание связи до 5 минут, если после этого студенту удается вернуться в ту же сессию работы с Экзамус. Долговременным нарушением связи во время экзамена считается прерывание связи 5 минут и более. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи аналогична процедуре сдачи.
- Эссе
- Аудиторная работа
- ЭкзаменЭкзамен проводится в письменной форме и состоит из ответов на два теоретических вопроса. К экзамену необходимо подключиться за 15 минут. Для участия в экзамене студент обязан: заранее зайти на платформу Zoom, провести тест системы, включить камеру и микрофон, подтвердить личность. Время выполнения задания два часа. Время начала экзамена 11:00, завершение в 13:00. Во время выполнения студент записывает свой ответ на чистом листе бумаги, после фотографирует и высылает решение фотографию на электронную почту преподавателя. На отсылку решения дается 5 минут по завершении экзамена. Во время экзамена студентам запрещено: общаться (в социальных сетях, с людьми в комнате), списывать, использовать любые материалы. Во время экзамена студентам разрешено иметь при себе ручку и чистые листы бумаги, во время отправки решений разрешается использовать мобильный телефон или сканер. Кратковременным нарушением связи во время экзамена считается прерывание связи до 5 минут, если после этого студенту удается вернуться в ту же сессию работы с Zoom. Долговременным нарушением связи во время экзамена считается прерывание связи 5 минут и более. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи аналогична процедуре сдачи.
Промежуточная аттестация
- 2020/2021 учебный год 4 модуль0.3 * Эссе + 0.4 * Экзамен + 0.3 * Аудиторная работа
- 2021/2022 учебный год 2 модуль0.5 * Экзамен + 0.25 * Эссе + 0.25 * Аудиторная работа
Список литературы
Рекомендуемая основная литература
- Радаев, В.В. Как организовать и представить исследовательский проект. 75 простых правил / В.В. Радаев ; Нац. исслед. ун-т «Высшая школа экономки». — 2-е изд. (эл.). — Электрон. текстовые дан. (1 файл pdf: 204 с.). — Москва : Изд. дом Высшей школы экономики, 2019. — Систем. требования: Adobe Reader XI , либо Adobe Digital Editions 4.5 ; экран 10'. - ISBN 978-5-7598-1469-6. - Текст : электронный. - URL: https://new.znanium.com/catalog/product/1040849 - Текст : электронный. - URL: http://znanium.com/catalog/product/1040849
Рекомендуемая дополнительная литература
- Spiliopoulou, M., Gesellschaft für Klassifikation, Schmidt-Thieme, L., & Janning, R. (2014). Data Analysis, Machine Learning and Knowledge Discovery. Cham: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=669270