Основы машинного обучения

2021/2022

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: Майнор

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 3, 4 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Альперович Вадим Михайлович, Кантонистова Елена Олеговна, Карпова Анастасия Евгеньевна, Косарев Илья Максимович, Омелюсик Владимир Степанович, Прокофьев Кирилл Андреевич, Семенов Дмитрий Павлович, Серякова Василиса Денисовна, Соколов Евгений Андреевич, Чиркова Надежда Александровна

Язык: русский

Кредиты: 5

Контактные часы: 80

Полная версия программы учебной дисциплины

Аннотация

Целями освоения дисциплины «Основы машинного обучения» являются овладение студентами моделями и методами интеллектуального анализа данных и машинного обучения в задачах обработки и анализа данных, а также приобретение навыков исследователя данных (data scientist) и разработчика математических моделей, методов и алгоритмов анализа данных. Изучаются основные модели (линейные, метрические, логические), подходы к их обучению и методы обработки данных.

Цель освоения дисциплины

Знать основные модели и методы машинного обучения и разработки данных
Уметь адекватно применять указанные модели и методы, а также программные средства, в которых они реализованы
Иметь навыки (приобрести опыт) анализа реальных данных с помощью изученных методов

Планируемые результаты обучения

Владеет методами кластеризации данных
Владеет методами построения композиций моделей
Владеет основами математики для анализа данных
Владеет основными подходами к оценке качества в задачах классификации и регрессии
Знает линейные модели и умеет их обучать
Знает модель k ближайших соседей и умеет её обучать
Знает модель решающего дерева и умеет её обучать
Знает основные подходы к построению рекомендательных систем
Знает основные постановки задач и типы данных в машинном обучении