Delivered at:: Department of Informatics

Course type:: Compulsory course

When:: 2 year, 3, 4 module

Instructor

Ковалев Святослав Сергеевич

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Дисциплина направлена на формирование у студентов теоретических знаний и практических навыков по основам 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. Для освоения дисциплины студентам необходимо иметь знания из области линейной алгебры и геометрии, основ программирования, дифференциальных уравнений и теории вероятностей и математической статистики.

Цель освоения дисциплины

Формирование у студентов теоретических знаний и практических навыков по основам машинного обучения.

Планируемые результаты обучения

Студент знает ключевые понятия, цели и задачи использования машинного обучения; методологические основы применения алгоритмов машинного обучения
Студент имеет навыки чтения и анализа академической литературы по применению методов машинного обучения, построения и оценки качества моделей
Студент умеет визуализировать результаты работы алгоритмов машинного обучения, выбирать метод машинного обучения, соответствующий исследовательской задаче, интерпретировать полученные результаты

Содержание учебной дисциплины

Типы задач машинного обучения
Метрические классификаторы
Алгоритмы кластеризации
Деревья решений
Линейные классификаторы
Нейронные сети и глубокое обучение
Регрессионный анализ
Ансамблевые методы
Стохастический поиск

Элементы контроля

Домашняя работа
Экзамен

Промежуточная аттестация

2023/2024 3rd module
1 * Домашняя работа
2023/2024 4th module
0.5 * Домашняя работа + 0.5 * Экзамен

Список литературы

Авторы

Шпильман Алексей Александрович
Кольцов Сергей Николаевич

Bachelor’s Programme 'Applied Data Analysis and Artificial Intelligence'

Foundations of Machine Learning

Instructor

Программа дисциплины