• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2022/2023

Машинное обучение

Статус: Курс обязательный (Программная инженерия)
Направление: 09.03.04. Программная инженерия
Где читается: Факультет менеджмента (Пермь)
Когда читается: 3-й курс, 1, 2 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Преподаватели: Мыльников Леонид Александрович, Собянин Кирилл Валентинович
Язык: русский
Кредиты: 5
Контактные часы: 60

Программа дисциплины

Аннотация

Формирование у студентов знаний, умений и навыков о принципах, методах и алгоритмах машинного обучения и интеллектуального анализа данных. Курс знакомит с современными подходами к извлечению знаний из данных, включая классические статистические методы и передовые технологии нейронных сетей, обработки текстов и изображений. В результате обучения студент будет уметь выбирать и применять подходящие алгоритмы для задач регрессии, классификации, кластеризации и прогнозирования, интерпретировать полученные результаты, а также понимать современные принципы работы нейросетей и больших языковых моделей.
Цель освоения дисциплины

Цель освоения дисциплины

  • Сформировать у студентов системное понимание места машинного обучения в парадигме искусственного интеллекта, включая исторические этапы развития, классификацию задач (обучение с учителем, без учителя, с подкреплением) и современные области применения.
  • Изучить теоретические основы нейросетевого подхода от формального нейрона до многослойных архитектур (полносвязные, сверточные, рекуррентные, трансформеры), а также алгоритмы их обучения.
  • Освоить методы предобработки данных (очистка, нормализация, работа с пропусками, уменьшение размерности) и базовые алгоритмы анализа данных с использованием адекватных метрик качества.
  • Приобрести практические навыки построения ML-решений для различных типов данных: табличных, текстовых, визуальных.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Раздел 1. Задача классификации и регрессии
  • Раздел 2. Задача оценки эффекта от воздействия
  • Раздел 3. Задача построения рекомендательных систем
  • Раздел 4. Задачи обучения без учителя
  • Раздел 5. Модели глубинного обучения
  • Раздел. 6. Работа над проектом
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание
  • неблокирующий Проверочная работа
  • неблокирующий Контрольная работа
  • неблокирующий Экзамен
  • неблокирующий Экзамен
  • неблокирующий Контрольная работа
  • неблокирующий Домашнее задание
  • неблокирующий Проверочная работа
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год 1 модуль
    0.3 * Экзамен + 0.15 * Проверочная работа + 0.15 * Контрольная работа + 0.4 * Домашнее задание
  • 2022/2023 учебный год 2 модуль
    0.15 * Контрольная работа + 0.4 * Домашнее задание + 0.15 * Проверочная работа + 0.3 * Экзамен

Авторы

  • Собянин Кирилл Валентинович
  • Кузнецов Денис Борисович
  • Бузмаков Алексей Владимирович
  • Карпович Марина Валерьевна