Машинное обучение в SE

Магистратура 2021/2022

Статус: Курс по выбору (Машинное обучение и анализ данных)

Направление: 01.04.02. Прикладная математика и информатика

Кто читает: Департамент информатики

Где читается: Санкт-Петербургская школа физико-математических и компьютерных наук

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Брыксин Тимофей Александрович

Прогр. обучения: Машинное обучение и анализ данных

Язык: русский

Кредиты: 3

Контактные часы: 28

Полная версия программы учебной дисциплины

Аннотация

Машинное обучение активно используется в самых разных областях, программная инженерия в этом смысле не исключение. Данный курс предлагает для рассмотрения полтора десятка практических задач из области программирования и разработки ПО, а также области применения машинного обучения для их решения: какие данные и методы для этого используются, какие сложности возникают, каков текущий прогресс в этих задачах и какие проблемы в целом сейчас актуальны в области машинного обучения в SE. На курсе разбираются самые актуальные научные статьи последних лет, а для получения оценки студентам необходимо выполнить групповой практический проект по одной из предлагаемых тем. Является дисциплиной по выбору.

Цель освоения дисциплины

формирование у студентов теоретических знаний и практических навыков использования методом машинного обучения и естественной обработки текстов в области работы с кодом и разработки программного обеспечения.

Планируемые результаты обучения

Знает области целесообразного применения методом машинного обучения, в том числе в области разработки программных проектов.
Знает области целесообразного применения методом машинного обучения, в том числе в области разработки программных проектов. Читает свой и чужой код, проводит отладку программы. Определяет целесообразность применения методов машинного обучения для выбранной задачи.
Читает свой и чужой код, проводит отладку программы. Определяет целесообразность применения методов машинного обучения для выбранной задачи.
Знает основные подходы и методы машинного обучения, понимает их сильные и слабые стороны, границы применимости. Умеет замерять эффективность построенных моделей
Разрабатывает модели и прототипы приложений для выбранной задачи на распространённых языках программирования.
Формулирует алгоритм решения задачи в виде последовательности действий, основанных на методах машинного обучения. Реализует алгоритмы решения выбранной задачи на подходящих языках программирования и с использованием соответствующих библиотек.