• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
02
Июль

Научно-исследовательский семинар

2023/2024
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты
Статус:
Курс обязательный
Когда читается:
4-й курс, 1, 2 модуль

Преподаватель

Программа дисциплины

Аннотация

Научно-исследовательский семинар направлен на формирование у студентов компетенций в области научно-исследовательской деятельности, изучение студентами основных форм и методов проведения научно-исследовательской работы (НИР) студентов, развитие навыков самостоятельной работы с научными статьями и презентации исследовательских результатов, развитие практических навыков в области глубинного и машинного обучения, обучения с подкреплением.
Цель освоения дисциплины

Цель освоения дисциплины

  • Формирование у студентов компетенций в области научно-исследовательской деятельности.
  • Развитие у студентов навыков самостоятельной работы с научными статьями и презентации исследовательских результатов.
  • Развитие у студентов практических навыков в области глубинного и машинного обучения, обучения с подкреплением.
Планируемые результаты обучения

Планируемые результаты обучения

  • Знает содержание, принципы и формы организации НИР, методику проведения научного исследования, информационное обеспечение НИР, требования к представлению результатов научно-исследовательской работы (НИР), структуру и правила оформления отчета о НИР.
  • Умеет формулировать цель и задачи НИР, определять эффективный способ сбора первичных данных, проводить систематизацию и анализ литературных источников.
  • Обладает навыками сбора, анализа и обработки данных, необходимых для решения поставленных исследовательских задач, библиографического описания источников информации, использования инструментальных средств для обработки информации в соответствии с поставленной научной или прикладной задачей, подготовки и публичной защиты рефератов.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Раздел 1. Обучение с подкреплением
  • Раздел 2. Глубинное обучение
  • Раздел 3. Машинное обучение в программной инженерии
Элементы контроля

Элементы контроля

  • неблокирующий Доклад
    В рамках семинарских занятий студент должен представить доклад на тему, связанную с машинным обучением, глубинным обучением, обучением с подкреплением. Тема доклада в начале начала года обсуждается с преподавателем. За неделю до даты выступления докладчик должен прислать краткий план своего доклада преподавателю на согласование. Даты выступлений распределяются заранее. Если один из студентов пропускает дату своего выступления без уважительной причины, то он получает 0. Доклад готовится по двум и более источникам и представляет собой самостоятельную, специально подготовленную по тематике курса работу, имеющую проблемный характер. Доклад на семинаре сопровождается мультимедийной презентацией.
  • блокирующий Защита работы
    Контроль представляет собой предзащиту по теме курсовой, выпускной квалификационной работы либо иной научно-исследовательской теме, связанной с научным интересом студента (по согласованию с преподавателем). Предзащита проводится в виде устного выступления на 10-15 минут. Требования к материалам предзащиты совпадают с требованиями к материалам защиты КР/ВКР.
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год 4 модуль
    0.3 * Доклад + 0.7 * Защита работы
  • 2023/2024 учебный год 2 модуль
    0.3 * Доклад + 0.7 * Защита работы
Список литературы

Список литературы

Рекомендуемая основная литература

  • Горовая, В. И.  Научно-исследовательская работа : учебное пособие для вузов / В. И. Горовая. — Москва : Издательство Юрайт, 2021. — 103 с. — (Высшее образование). — ISBN 978-5-534-14688-2. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/479051 (дата обращения: 28.08.2023).
  • Общая и прикладная статистика: Учеб. для студ. высш. проф. обр./Р.Н.Пахунова, П.Ф.Аскеров и др.; Под общ. ред. Р.Н.Пахуновой - М.: НИЦ ИНФРА-М, 2013-272с.: 60x90 1/16 + ( Доп. мат. znanium.com) - (ВО: Бакалавр.). (п) ISBN 978-5-16-006669-1 - Режим доступа: http://znanium.com/catalog/product/404310

Рекомендуемая дополнительная литература

  • Danner, G. E. (2015). Profit From Science : Solving Business Problems Using Data, Math, and the Scientific Process (Vol. First edition). New York, NY: Palgrave Macmillan. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1231284
  • Trevor Hastie, Robert Tibshirani , et al., The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd edition, 2017. Free from the publisher: https://web.stanford.edu/~hastie/ElemStatLearn/printings/ESLII_print12.pdf