Программная инженерия больших данных

2024/2025

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: Маго-лего

Когда читается: 3 модуль

Онлайн-часы: 16

Охват аудитории: для своего кампуса

Преподаватели: Москвин Денис Николаевич

Язык: русский

Кредиты: 3

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина направлена на формирование у студентов теоретических знаний и практических навыков работы с большими данными. Курс посвящен программному решению проблемы надежного масштабируемого хранения и обработки данных и знакомит с особенностями работы с большими данными. Студенты познакомятся с различными моделями представления и обработки данных, а также освоят работу с контейнерами. Для освоения дисциплины студентам необходимо иметь знания, полученные в результате изучения дисциплин «Современные методы анализа данных», «Алгоритмы и структуры данных».

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

Умеет выбрать подходящий метод машинного обучения и естественной обработки текстов для создания модели или прототипа инструмента, помогающего в решении задач, возникающих при разработке программного обеспечения.
Умеет реализовать сбор и предобработку данных на основе репозитория с исходным кодом.
Имеет навыки использования существующих популярных библиотек, реализующих алгоритмы машинного обучения, для решения задач, актуальных в проектах по разработке программного обеспечения.
Понимает основные виды деятельности, осуществляемые при разработке программного обеспечения, и то, как в них могли бы быть использованы методы машинного обучения.

Содержание учебной дисциплины

Раздел 1. Постановка задачи машинного обучения в области программной инженерии
Раздел 2. Использования машинного обучения для предсказания и оценки
Раздел 3. Использование машинного обучения для задач синтеза кода
Раздел 4. Использование машинного обучения для оптимизации архитектуры кода
Раздел 5. Использование машинного обучения для поиска дубликатов
Раздел 6. Использование техник обработки естественных языков
Раздел 7. Использование машинного обучения для анализа кода

Элементы контроля

Домашнее задание №1
Домашнее задание №1 выдается студентам в одном варианте. Срок выполнения домашнего задания – 3 недели. Форма представления обучающимися домашнего задания – программа на одном из распространённых языков программирования.
Домашнее задание №2
Домашнее задание №2 выдается студентам в одном варианте. Срок выполнения домашнего задания – 2 недели. Форма представления обучающимися домашнего задания – программа на одном из распространённых языков программирования.
Домашнее задание №3
Домашнее задание №3 выдается студентам в одном варианте. Срок выполнения домашнего задания – 3 недели. Форма представления обучающимися домашнего задания – программа на одном из распространённых языков программирования.
Устный экзамен
Устный экзамен проводится в форме ответов на вопросы экзаменационного билета и дополнительные вопросы по материалам курса. Экзаменационный билет содержит два вопроса. На подготовку ответа выделяется 40 минут.

Промежуточная аттестация

2024/2025 3rd module
Преподаватель учитывает оценку за текущий контроль (домашние задания). Онакопленная = (Од/з1 + Од/з2 + Од/з3) / 3 Результирующая оценка за дисциплину рассчитывается следующим образом: ОРезультирующая= 0,5Онакопленная + 0,5Оэкзамен

Список литературы

Авторы

Москвин Денис Николаевич

Программа дисциплины