Магистратура
2022/2023
Научно-исследовательский семинар "Машинное обучение и приложения"
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 (Машинное обучение и анализ данных)
Направление:
01.04.02. Прикладная математика и информатика
Кто читает:
Департамент информатики
Когда читается:
2-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Кузнецов Антон Михайлович
Прогр. обучения:
Машинное обучение и анализ данных
Язык:
русский
Кредиты:
4
Контактные часы:
20
Программа дисциплины
Аннотация
Научно-исследовательский семинар направлен на развитие у студентов навыков участия в научно-исследовательской деятельности, знакомство с современными методами машинного обучения и их практическим применением, развитие навыков презентации результатов исследования и оформления презентационных материалов.
Цель освоения дисциплины
- Развитие у студентов навыков участия в научно-исследовательской деятельности.
- Знакомство студентов с современными методами машинного обучения и их практическим применением.
- Развитие у студентов навыков презентации результатов исследования и оформления презентационных материалов.
Планируемые результаты обучения
- Анализирует статьи реализации методов машинного обучения в "промышленных" задачах. Разбирается в вопросах нагрузки и отказоустойчивости. Владеет понятием обучения нейросетей на процессорах и видеокартах. Знает особенности инфраструктуры.
- Знает классические методы машинного обучения и владеет понятием практических прикладных задач. Применяет широкий спектр регрессий: линейные, логистиче-ские, LASSO, ElasticNet. Владеет понятиями регуляризации и переобучения.
- Знает классические методы машинного обучения и владеет понятием практических прикладных задач. Применяет широкий спектр регрессий: линейные, логистиче-ские, LASSO, ElasticNet. Владеет понятиями регуляризации и переобучения.
- Проводит анализ статей посвященных нейронным сетям и методам их обучения. Знает о практическом применении нейронных сетей в задачах распознавания образов или речи и в других областях. Владеет понятием обработки текста.
Содержание учебной дисциплины
- Классические методы машинного обучения и практические прикладные задачи
- Глубокое обучение и его применение
- Технологические вопросы применения методов машинного обучения
Элементы контроля
- Защита темы ВКРЭкзамен проводится в форме публичного доклада по теме ВКР.
- Аудиторная работаВо время аудиторной работы студенты выступают с докладами на темы, согласованные с преподавателем.
- ЭссеТема эссе согласуется с преподавателем и научным руководителем и соответствует основной теме выбранной студентом для написание курсовой работы и выпускной квалификационной работы.
Промежуточная аттестация
- 2021/2022 учебный год 4 модуль0.6 * Аудиторная работа + 0.4 * Эссе
- 2022/2023 учебный год 2 модуль0.3 * 2021/2022 учебный год 4 модуль + 0.7 * Защита темы ВКР
Список литературы
Рекомендуемая основная литература
- Радаев, В.В. Как организовать и представить исследовательский проект. 75 простых правил / В.В. Радаев ; Нац. исслед. ун-т «Высшая школа экономки». — 2-е изд. (эл.). — Электрон. текстовые дан. (1 файл pdf: 204 с.). — Москва : Изд. дом Высшей школы экономики, 2019. — Систем. требования: Adobe Reader XI , либо Adobe Digital Editions 4.5 ; экран 10'. - ISBN 978-5-7598-1469-6. - Текст : электронный. - URL: https://new.znanium.com/catalog/product/1040849 - Текст : электронный. - URL: http://znanium.com/catalog/product/1040849
Рекомендуемая дополнительная литература
- Spiliopoulou, M., Gesellschaft für Klassifikation, Schmidt-Thieme, L., & Janning, R. (2014). Data Analysis, Machine Learning and Knowledge Discovery. Cham: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=669270