Магистратура
2020/2021
Машинное обучение
Статус:
Курс обязательный (Информационная аналитика в управлении предприятием)
Направление:
38.04.05. Бизнес-информатика
Где читается:
Факультет экономики, менеджмента и бизнес-информатики
Когда читается:
2-й курс, 1, 2 модуль
Формат изучения:
с онлайн-курсом
Прогр. обучения:
Информационная аналитика в управлении предприятием
Язык:
английский
Кредиты:
7
Контактные часы:
50
Course Syllabus
Abstract
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».
Learning Objectives
- 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
Expected Learning Outcomes
- Знает задачи классификации и регрессии; знает модели дерева решений, леса решений и градиентного бустинга.
- Знает основные модели глубинного обучения для работы с изображениями.
- 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.
- 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
Course Contents
- Раздел 1. Задача классификации и регрессииТема 1. Деревья решений. Тема 2. Лес решений. Тема 3. Градиентный бустинг.
- Раздел 2. Задача оценки эффекта от воздействияТема 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 системТема 6. Постановка задачи построения рекомендательных систем. Тема 7. Основные подходы к построению рекомендательных систем.
- Раздел 4. Задачи обучения без учителяТема 8. Задача кластеринга и основные методы её решений. Тема 9. Задача обнаружения подгрупп.
- Раздел 5. Модели глубинного обученияТема 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
Interim Assessment
- Interim assessment (2 module)0.15 * Лабораторная работа 1 + 0.1 * Лабораторная работа 2 + 0.15 * Лабораторная работа 3 + 0.3 * Проект + 0.3 * Экзамен
Bibliography
Recommended Core Bibliography
- 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
Recommended Additional Bibliography
- 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