Научно-исследовательский семинар "Анализ Интернет-данных"

Магистратура 2022/2023

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: Курс обязательный (Науки о данных (Data Science))

Направление: 01.04.02. Прикладная математика и информатика

Кто читает: Базовая кафедра Яндекс

Где читается: Факультет компьютерных наук

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Рябинин Максим Константинович

Прогр. обучения: Науки о данных

Язык: русский

Кредиты: 8

Контактные часы: 48

Полная версия программы учебной дисциплины

Аннотация

Основной целью научно-исследовательского семинара является ознакомление студентов с последними достижениями и тенденциями машинного обучения и формирование методом разбора научных статей на заданные тематики.

Цель освоения дисциплины

ознакомление студентов с последними достижениями и тенденциями машинного обучения.

Планируемые результаты обучения

Формирование компетенций в использовании современных нейросетевых алгоритмов для решения классических задач комбинаторной оптимизации
Формирование компетенций в сфере применения байесовских методов.
Формирование у студентов компетенций в работе с генеративно-состязательными нейронными сетями
Формирование у студентов компетенций в работе с графами с помощью нейронных сетей
Формирование у студентов компетенций по работе с современными фреймворками для глубинного обучения.

Содержание учебной дисциплины

Обзор фреймворков для глубинного обучения
Байесовские методы в глубинном обучении
Нейросетевые методы в задачах комбинаторной оптимизации
Генеративно-состязательные сети в применении к задачам компьютерного зрения
Анализ графов с помощью нейронных сетей

Элементы контроля

Домашняя работа 1
Домашняя работа 2
Домашняя работа 3
Домашняя работа 4
Домашняя работа 5
Домашняя работа 6

Промежуточная аттестация

2021/2022 учебный год 4 модуль
0.25 * Домашняя работа 2 + 0.25 * Домашняя работа 1 + 0.25 * Домашняя работа 4 + 0.25 * Домашняя работа 3
2022/2023 учебный год 2 модуль
0.3 * Домашняя работа 5 + 0.4 * 2021/2022 учебный год 4 модуль + 0.3 * Домашняя работа 6

Программа дисциплины