2024/2025

Технологии искусственного интеллекта и продвинутой аналитики

Статус: Маго-лего

Кто читает: Департамент бизнес-информатики и операционного менеджмента

Когда читается: 3, 4 модуль

Охват аудитории: для своего кампуса

Преподаватели: Ершов Александр Александрович, Искандеров Юрий Марсович

Язык: русский

Кредиты: 6

Программа дисциплины

Аннотация

Предмет направлен на формирование компетенций у студентов магистров в области искусственного интелекта.

Цель освоения дисциплины

•  - Приобретение понимания содержания и условий применимости методов искусственного интеллекта и продвинутой аналитики  - Приобретение знаний основных практических возможностей методов искусственного интеллекта и продвинутой аналитики  - Приобретение умений базовой подготовки и обработки данных методами машинного обучения (язык программирования Python и специализированные библиотеки)

Планируемые результаты обучения

• Оценить бизнес-задачу в контексте применимости методов искусственного интеллекта и продвинутой аналитики.

Содержание учебной дисциплины

• Технологии искусственного интеллекта и продвинутой аналитики

Элементы контроля

• Independent work
  Самостоятельная работа по темам 1-3 практических занятий выполняется по заданным вариантам. Оценка выставляется за выполненную работу. Максимальное количество баллов: X= 10 баллов.
• Разработка ML-модели
  Разработка ML-модели по темам 4-6 практических занятий выполняется по индивидуальной теме. Оценка выставляется за выполненную работу. Максимальное количество баллов: X= 10 баллов.
• Разработка ML-сервиса
  Разработка ML-сервиса по темам 7-9 практических занятий выполняется по индивидуальной теме. Оценка выставляется за выполненную работу. Максимальное количество баллов: X= 10 баллов.
• Written assignment
  Экзамен представляет собой письменную работу на вопросы, которые охватывают весь курс. Экзаменационный билет включает в себя 2 вопроса, соответствующих темам курса. Правильные и полные ответы на вопросы оцениваются максимально в 5 баллов каждый. Максимальное количество баллов за экзамен: X =10 баллов.

Промежуточная аттестация

• 2024/2025 4th module
  0.1 * Independent work + 0.5 * Written assignment + 0.2 * Разработка ML-модели + 0.2 * Разработка ML-сервиса

Список литературы

Рекомендуемая основная литература

• Коротеев, М. В., Основы машинного обучения на Python : учебник / М. В. Коротеев. — Москва : КноРус, 2024. — 431 с. — ISBN 978-5-406-12673-8. — URL: https://book.ru/book/952751 (дата обращения: 27.08.2024). — Текст : электронный.
• Машинное обучение без лишних слов, Бурков, А., 2020

Рекомендуемая дополнительная литература

• Python для сложных задач: наука о данных и машинное обучение : пер. с англ., Плас, Дж. Вандер, 2019
• Python для сложных задач: наука о данных и машинное обучение. - 978-5-4461-0914-2 - Плас Дж. Вандер - 2021 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/376830 - 376830 - iBOOKS

Авторы

• Искандеров Юрий Марсович
• Орлова Екатерина Дмитриевна