Методы машинного обучения

Бакалавриат 2021/2022

Статус: Курс обязательный (Инфокоммуникационные технологии и системы связи)

Направление: 11.03.02. Инфокоммуникационные технологии и системы связи

Кто читает: Департамент электронной инженерии

Где читается: Московский институт электроники и математики им. А.Н. Тихонова

Когда читается: 4-й курс, 2 модуль

Формат изучения: с онлайн-курсом

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Перов Артём Андреевич

Язык: русский

Кредиты: 4

Контактные часы: 10

Полная версия программы учебной дисциплины

Аннотация

Дисциплина «Методы машинного обучения» изучает класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Целью освоения дисциплины «Методы машинного обучения» является ознакомление студентов с теоретическими основами и основными принципами машинного обучения — а именно, с классами моделей (линейные, логические, нейросетевые), метриками качествами и подходами к подготовке данных. В рамках дисциплины изучаются методы проверки статистических гипотез, линейные модели регрессии, классификации и кластеризации, ансамбли и деревья решений, нейросетевые технологии машинного обучения. Дисциплина «Методы машинного обучения» дает знания, необходимые для последующего прохождения преддипломной практики и подготовки ВКР. При обучении предусмотрен контроль знаний студентов в виде домашнего задания, контрольных, самостоятельных работ и экзамена. Изучение дисциплины предусматривает владение знаниями в области теории вероятности и математической статистики, программирование на Python и математического анализа.

Цель освоения дисциплины

Ознакомление студентов с теоретическими основами и основными принципами машинного обучения — а именно, с классами моделей (линейные, логические, нейросетевые), метриками качествами и подходами к подготовке данных. формирование у студентов практических навыков работы с данными и решения прикладных задач анализа данных.

Планируемые результаты обучения

Владеет методами машинного обучения и популярными программными пакетами для решения практических задач машинного обучения.
Знает наиболее популярные направления исследований в машинном обучении.
Знает понятия и методы машинного обучения, которые могут быть полезны для дальнейшего изучения соответствующих дисциплин, а также для применения в профессиональной деятельности.
Умеет cтроить линейные модели регрессии и классификации, используя библиотеку Scikit-learn
Умеет выбирать методы машинного обучения для решения задач в области профессиональной деятельности.
Умеет пользоваться ансамблевыми методами, решает теоретические задачи
Умеет строить нелинейные модели регрессии, классификации и кластеризации, используя библиотеку Scikit-learn

Содержание учебной дисциплины

Введение в машинное обучение
Признаковые представления для дискретных входных данных
Статистические оценки и проверка гипотез
Выбор и оценка моделей, работа с признаками
Линейные модели и задача классификации
Линейные методы регрессии и классификации
Введение в линейные модели и задача регрессии
Снижение размерности
Машинное обучение как математическое моделирование
Ансамбли
Нелинейные методы

Элементы контроля

домашнее задание
Дистанционный формат со 2-го модуля.
контрольная работа
Дистанционный формат со 2-го модуля.
экзамен
Преподаватель вправе освободить от прохождения экзамена студентов, с выставлением им во время сессии оценки по промежуточной аттестации, соответствующей накопленной оценке без учёта веса экзамена (то есть сумма весов всех элементов контроля, за исключением экзамена, приравнивается к единице). Преподаватель объявляет свое решение не позднее, чем на последнем занятии до экзамена. Для объявления оценок могут быть использованы официальные каналы передачи информации, используемые в процессе обучения. По желанию студентов, они могут отказаться от выставления оценки без проведения экзамена и сдать его на платформе Jitsi https://meet.miem.hse.ru, о чем сообщают преподавателю не позднее последнего занятия. К экзамену необходимо подключиться согласно расписанию. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, поддержка Jitsi. Для участия в экзамене студент обязан: поставить на аватар свою фотографию, явиться на экзамен согласно точному расписанию, при ответе включить камеру и микрофон. Во время экзамена студентам запрещено: выключать камеру, пользоваться конспектами и подсказками. Кратковременным нарушением связи во время экзамена считается нарушение связи менее минуты. Долговременным нарушением связи во время экзамена считается нарушение более одной минуты. При долговременном нарушении связи студент не может продолжить участие в экзамене.

Промежуточная аттестация

2021/2022 учебный год 2 модуль
0.5 * экзамен + 0.2 * домашнее задание + 0.3 * контрольная работа

Программа дисциплины