Курс посвящён изучению основных методов машинного обучения. Изучаемые темы можно разбить на три блока. Первый — работа с данными и предварительный анализ данных. Изучаются библиотеки языка Python для работы с табличными данными и для визуализации, обсуждаются методы предобработки данных, подготовки категориальных и текстовых данных. Второй блок — обучение с учителем. Изучаются линейные модели, решающие деревья, композиции моделей (случайный лес, градиентный бустинг и его имплементации), приложения в рекомендательных системах. Третий блок — обучение без учителя. Изучаются методы кластеризации, визуализации, понижения размерности. Все темы сопровождаются практикой на реальных данных. По итогам курса слушатель сможет сформулировать задачу машинного обучения, выбрать метрику качества, обучить модель, подобрать гиперпараметры, провести валидацию.
Цель освоения дисциплины
Знает основные понятия и постановки задач машинного обучения
Знает теоретические основы линейных и логических методов машинного обучения
Знает принципы построения композиций моделей
Знает основные метрики качества для регрессии и классификации
Умеет выполнять полный цикл построения модели
Умеет обучать основные модели машинного обучения, оценивать их качества
Умеет выполнять кластеризацию и визуализацию данных
Планируемые результаты обучения
Применение алгоритмов регрессии, классификации и кластеризации
Коротеев, М. В., Основы машинного обучения на Python : учебник / М. В. Коротеев. — Москва : КноРус, 2025. — 431 с. — ISBN 978-5-406-14728-3. — URL: https://book.ru/book/957785 (дата обращения: 09.12.2025). — Текст : электронный.
Лимановская О.В., Алферьева Т.И. - Основы машинного обучения - 978-5-7996-3015-7 - Издательство Уральского университета - 2020 - https://znanium.ru/catalog/product/1960910 - 1960910 - ZNANIUM
Рекомендуемая дополнительная литература
Davies, E. R. (2018). Computer Vision : Principles, Algorithms, Applications, Learning (Vol. Fifth edition). London: Academic Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1204289
Prince, S. J. D. (2012). Computer Vision : Models, Learning, and Inference. New York: Cambridge eText. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=458656
Введение в машинное обучение с помощью Python : руководство для специалистов по работе с данными, Мюллер, А., 2018
Потапова, К. А. Основы машинного обучения на языке Питон : учебно-методическое пособие / К. А. Потапова. — Москва : РТУ МИРЭА, 2025. — 66 с. — ISBN 978-5-7339-2440-3. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/493361 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Преподаватели
Архимандритов Игорь Борисович
Доронькин Максим Вячеславович
Родин Никита Алексеевич
Сафроненко Евгений Владимирович
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