Research Seminar

2024/2025

Academic Year

RUS

Instruction in Russian

1

ECTS credits

Course type:

Compulsory course

When:

3 year, 4 module

Instructor

Safronenko, Evgenii

Программа дисциплины

Аннотация

Курс посвящен научному разделу машинного и глубинного обучения. Он покрывает как классические статьи по этой теме, так и более новые, относящиеся непосредственно к текущему направлению исследования.

Цель освоения дисциплины

• Уметь читать научные статьи по машинному и глубинному обучению
• Уметь выделять основные их идеи и преподносить не ознакомленному слушателю
• Уметь оценивать сложность статьи и качество презентации
• Уметь работать с кодом к этим статьям / имплементировать их самим
• Знать ключевые статьи по основным разделам глубинного обучения
• Понимать текущие тенденции в научном глубинном обучении

Планируемые результаты обучения

• Знать основные задачи в области современных исследований в машинном обучении (классификация, регрессия, сегментация, прогнозирование и т.д.).
• Знать современные алгоритмы и модели, рассматриваемые в научных статьях (сверточные нейронные сети, рекуррентные нейронные сети, бустинг, коллаборативная фильтрация, REINFORCE и т.д.), знать преимущества и недостатки моделей данных типов.
• Уметь готовить и проводить выступление с докладом на научную тему, а также вести дискуссию по материалам доклада.
• Уметь писать научные тексты.
• Уметь самостоятельно выбирать и изучать современные научные статьи, находить релевантную литературу.
• Студент может без дополнительной подготовки разобраться с научной статьей по глубинному обучению и презентовать ее другим.
• Студент умеет оценивать сложность статьи, качество ее презентации и сложность написания кода по ней.

Содержание учебной дисциплины

• Приглашенные доклады.
• Выступления студентов с научными докладами.
• Научные тексты и их оформление.
• Знакомство, обсуждение пожеланий в особенностях курса (проводится впервые), обсуждение пререквизитов и подбор на основе этого списка статей
• Презентации статей

Элементы контроля

• Доклад
• Экзамен

Промежуточная аттестация

• 2024/2025 4th module
  0.3 * Доклад + 0.3 * Доклад + 0.7 * Экзамен + 0.7 * Экзамен
• 2025/2026 2nd module
  -

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
• 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
• Гудфеллоу, Я. Глубокое обучение / Я. Гудфеллоу, И. Бенджио, А. Курвилль , перевод с английского А. А. Слинкина. — 2-е изд. — Москва : ДМК Пресс, 2018. — 652 с. — ISBN 978-5-97060-618-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/107901 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Платонов, А. В.  Машинное обучение : учебное пособие для вузов / А. В. Платонов. — Москва : Издательство Юрайт, 2023. — 85 с. — (Высшее образование). — ISBN 978-5-534-15561-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/520544 (дата обращения: 27.08.2024).

Рекомендуемая дополнительная литература

• James, G. et al. An introduction to statistical learning. – Springer, 2013. – 426 pp.
• Машинное обучение. Паттерны проектирования: Пер. с англ. / В. Лакшманан, С. Робинсон, М. Мунн. - 978-5-9775-6797-8 - Лакшманан В. - 2022 - Санкт-Петербург: БХВ-Петербург - https://ibooks.ru/bookshelf/385740 - 385740 - iBOOKS

Авторы

• Любавина Светлана Вячеславовна
• Ахмедова Гюнай Интигам кызы