Дисциплина направлена на ознакомление с теоретическими основами и основными принципами машинного обучения, овладение инструментарием, моделями и методами машинного обучения, а также приобретение навыков исследователя данных (data scientist) и разработчика математических моделей, методов и алгоритмов анализа данных.
Цель освоения дисциплины
Формирование у студентов теоретических знаний и практических навыков по основам работы с продвинутыми алгоритмами машинного обучения.
Планируемые результаты обучения
Знает ключевые понятия, цели и задачи использования машинного обучения, методологические основы применения алгоритмов машинного обучения.
Умеет визуализировать результаты работы алгоритмов машинного обучения, выбирать метод машинного обучения, соответствующий исследовательской задаче, интерпретировать полученные результаты.
Имеет навыки чтения и анализа академической литературы по применению методов машинного обучения, построения и оценки качества моделей.
Содержание учебной дисциплины
Раздел 1. Анализ размерности данных и работа с признаками
Раздел 2. Анализ распределения данных
Раздел 3. Интерпретация результатов
Элементы контроля
Проект
В процессе изучения предмета обучающиеся должны будут применить изученные методы в задаче на данных с платформы Kaggle.
Предполагается разделение учащихся на группы.
Экзамен
Проверка качества освоения дисциплины производится в форме устного экзамена. Экзамен проводится в формате разбора научной статьи по анализу данных и машинному обучению. Экзаменуемый должен продемонстрировать знание предмета на достаточном уровне для интерпретации современной научной литературы.
Промежуточная аттестация
2025/2026 2nd module
0.5 * Экзамен + 0.5 * Проект
Список литературы
Рекомендуемая основная литература
Murphy, K. P. (2012). Machine Learning : A Probabilistic Perspective. Cambridge, Mass: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=480968
Рекомендуемая дополнительная литература
Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008
Richert, W., & Coelho, L. P. (2013). Building Machine Learning Systems with Python. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=619996
Преподаватели
Бартенев Максим Владимирович
Гюльмамедов Саттар Алекперович
Шуранов Евгений Витальевич
Программа дисциплины
Аннотация
Цель освоения дисциплины
Планируемые результаты обучения
Содержание учебной дисциплины
Элементы контроля
Промежуточная аттестация
Список литературы
Рекомендуемая основная литература
Рекомендуемая дополнительная литература
Авторы