Магистратура 2021/2022

Методы машинного обучения

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Прикладная политология)

Направление: 41.04.04. Политология

Кто читает: Департамент политики и управления

Где читается: Факультет социальных наук

Когда читается: 1-й курс, 2, 3 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Стукал Денис Константинович

Прогр. обучения: Прикладная политология

Язык: русский

Кредиты: 4

Контактные часы: 64

Программа дисциплины

Аннотация

Дисциплина "Методы машинного обучения" предназначена для подготовки магистров направления 41.04.04 «Политология». В курсе изучаются основные постановки задач машинного обучения, а также методы, необходимые для их решения. В частности, в курсе рассматриваются методы обучения с учителем (линейные методы, решающие деревья, композиции алгоритмов) и без учителя (методы кластеризации, понижения размерности данных). В курсе также обсуждаются вопросы визуализации данных и их предварительной обработки. Теоретические знания, полученные на занятиях, подкрепляются практическими занятиями по использованию популярных инструментов по изучаемой тематике.

Цель освоения дисциплины

• Ознакомление студентов с основными принципами машинного обучения – а именно, видами задач машинного обучения, классами моделей, способами обработки различных типов данных и измерение качества результатов
• Формирование у студентов практических навыков работы с данными и решения прикладных задач анализа данных с помощью современного программного обеспечения

Планируемые результаты обучения

• Знать и уметь применять основные виды методов обучения без учителя
• Знать и уметь применять основные виды методов обучения с учителем
• Знать основные типы задач в машинном обучении и уметь определять тип задачи

Содержание учебной дисциплины

• Введение в машинное обучение и анализ данных
• Основные методы обучения с учителем
• Методы обучения без учителя

Элементы контроля

• Домашнее задание 1
• Домашнее задание 2
• Домашнее задание 3
• Индивидуальный проект
• Экзамен (письменный)
  Экзамен проводится в письменной форме.
• Домашнее задание 0

Промежуточная аттестация

• 2021/2022 учебный год 3 модуль
  0.2 * Экзамен (письменный) + 0.15 * Домашнее задание 2 + 0.25 * Индивидуальный проект + 0.15 * Домашнее задание 1 + 0.15 * Домашнее задание 3 + 0.1 * Домашнее задание 0

Список литературы

Рекомендуемая основная литература

• Christopher M. Bishop. (n.d.). Australian National University Pattern Recognition and Machine Learning. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.EBA0C705
• James, G. et al. An introduction to statistical learning. – Springer, 2013. – 426 pp.

Рекомендуемая дополнительная литература

• Ruud, A. (2019). Convex Optimization: Theory, Methods and Applications. Hauppauge, New York: Nova. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2043454

Авторы

• Стукал Денис Константинович