• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2019/2020

Машинное обучение

Направление: 38.04.05. Бизнес-информатика
Когда читается: 2-й курс, 1, 2 модуль
Формат изучения: с онлайн-курсом
Прогр. обучения: Информационная аналитика в управлении предприятием
Язык: русский
Кредиты: 7

Программа дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает требования к образовательным результатам и результатам обучения студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих дисциплину «Машинное обучение», учебных ассистентов и студентов направления подготовки 38.04.05 Бизнес-информатика, обучающихся по образовательной программе «Информационная аналитика в управлении предприятием».
Цель освоения дисциплины

Цель освоения дисциплины

  • закрепление навыков работы на языке Python, знание и понимание задач управления данными, в том числе, загрузка данных, преобразование данных, и предварительный анализ и визуализация данных
  • знакомство с основными задачами и моделями машинного обучения, знание методов оценки качества работы различных моделей машинного обучения
  • понимание процесса интеграции моделей машинного обучения в рамках задач стоящих перед потенциальными заказчиками
Планируемые результаты обучения

Планируемые результаты обучения

  • Знает задачи классификации и регрессии; знает модели дерева решений, леса решений и градиентного бустинга.
  • Знает задачу оценки эффект от воздействия и основным подходы к её решению
  • Знает задачу построения рекомендательных систем и основные подходы к её решению.
  • Знает задачу кластеринга и основные подходы к её решению.
  • Знает основные модели глубинного обучения для работы с изображениями.
  • Умеет формализовать бизнес-задачу как задачу машинного обучения, умеет её решить и оценить её качество
  • ведет профессиональную, в том числе научно-исследовательскую деятельность в международной среде
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Раздел 1. Задача классификации и регрессии
    Тема 1. Деревья решений. Тема 2. Лес решений. Тема 3. Градиентный бустинг.
  • Раздел 2. Задача оценки эффекта от воздействия
    Тема 4. Постановка задачи оценки эффект от воздействия. Тема 5. Методы сведений задачи оценки эффекта от воздействия к задачам регрессии и классификации.
  • Раздел 3. Задача построения рекомендательных систем
    Тема 6. Постановка задачи построения рекомендательных систем. Тема 7. Основные подходы к построению рекомендательных систем.
  • Раздел 4. Задачи обучения без учителя
    Тема 8. Задача кластеринга и основные методы её решений. Тема 9. Задача обнаружения подгрупп.
  • Раздел 5. Модели глубинного обучения
    Тема 10. Нейронные сети. Тема 11. PyTorch и подробности. Тема 12. Нейронные сети на практике. Тема 13. Convolutional Neural Networks. Тема 14. Segmentation и Object Detection. Тема 15. Metric Learning, Autoencoders, GANs.
  • Раздел. 6. Работа над проектом
Элементы контроля

Элементы контроля

  • неблокирующий Лабораторная работа 1
  • неблокирующий Лабораторная работа 2
  • неблокирующий Лабораторная работа 3
  • неблокирующий Лабораторная работа 4 (самостоятельная работа)
  • неблокирующий Проект
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.1 * Лабораторная работа 1 + 0.1 * Лабораторная работа 2 + 0.1 * Лабораторная работа 3 + 0.1 * Лабораторная работа 4 (самостоятельная работа) + 0.3 * Проект + 0.3 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Загорулько Ю. А., Загорулько Г. Б. - ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ. ИНЖЕНЕРИЯ ЗНАНИЙ. Учебное пособие для вузов - М.:Издательство Юрайт - 2019 - 93с. - ISBN: 978-5-534-07198-6 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/iskusstvennyy-intellekt-inzheneriya-znaniy-442134
  • Рашка С. - Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения - Издательство "ДМК Пресс" - 2017 - 418с. - ISBN: 978-5-97060-409-0 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/100905

Рекомендуемая дополнительная литература

  • Шарден Б., Массарон Л., Боскетти А. - Крупномасштабное машинное обучение вместе с Python - Издательство "ДМК Пресс" - 2018 - 358с. - ISBN: 978-5-97060-506-6 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/105836