Delivered at:: Department of Informatics

Course type:: Compulsory course

When:: 1 year, 1-3 module

Instructor

Suvorova, Alena

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Целью освоения дисциплины является изучение основных принципов машинного обучения, эффективных алгоритмов обучения и применения обученных моделей. В результате изучения дисциплины у студента будет сформировано представление об основных задачах, решаемых с помощью моделей машинного обучения, как в области анализа пользователей информационных систем, так и при построение сервисов и приложений, основанных на данных

Цель освоения дисциплины

изучение основных принципов машинного обучения и анализа данных
построение моделей для анализа пользователей и решения задач автоматизации

Планируемые результаты обучения

Владеет понятиями визуализации и агрегации данных: фильтрация, объединение, сортировка данных. Работает с датами и текстовыми данными. Оценивает параметры распределений. Знает метод максимального правдоподобия.
Выделяет подгруппы пользователей с помощью инструментов анализа данных
Выделяет правила из данных методами машинного обучения
Выявляет смещения (bias) в моделях
Знает основные понятия машинного обучения
Интерпретирует результаты предсказания
Интерпретирует результаты статистического анализа с учетом ограничений использованных методов
Обосновывает выбор методов и инструментария для проверки гипотез
Применяет основные конструкции языка Python и библиотек для анализа данных
Строит ансамблевые модели на языке Python
Строит модели с применением методов интерпретируемого машинного обучения
Строит предсказательные модели на языке Python
Строит регрессионные модели, оценивает различные типы эффектов
Строит нейросетевые модели
Проектирует системы с использованием машинного обучения

Содержание учебной дисциплины

Введение, основные понятия анализа данных, анализ данных в HCI
Выводы на основе данных
Сегментация данных
Предсказания на основе данных. Классификация и регрессия
Сложные модели и их применение
Проектирование систем, использующих машинное обучение

Элементы контроля

Онлайн-курс
Для закрепления навыков по работе с задачами по статистике студентам предлагается выполнить упражнения из онлайн-курса. Источник упражнений определяется преподавателем (по умолчанию -- курс "Основы статистики"), но может быть изменен студентом по согласованию с преподавателем (например, если содержание предложенного курса уже пройдено студентом).
Упражнения
Для закрепления навыков по работе с инструментарием студентам предлагается выполнить упражнения по работе на языке Python. Источник упражнений определяется преподавателем (по умолчанию -- задания из скриптов лабораторных работ), но может быть изменен студентом по согласованию с преподавателем (например, если студент уже имеет опыт работы с инструментарием).
Дневники проекта
Результаты выполнения заданий по темам курса на индивидуальных данных итогового проекта
Домашнее задание
Проектирование информационной системы с моделями машинного обучения
Проект
Проект по анализу данных на датасете по выбору студента. Задача зависит от выбранного датасета (например, предсказание показателя, выявление факторов, сегментация)
Экзамен 2
Письменный экзамен с теоретическими и практическими вопросами по материалам курса
Экзамен 1
Эссе
Структурированное эссе по одной из статей, связанных с методологией или применением A/B тестирования. Статья выбирается из предложенного преподавателем списка или самостоятельно студентом по согласованию с преподавателем.

Промежуточная аттестация

2024/2025 1st module
0.2 * Онлайн-курс + 0.3 * Упражнения + 0.25 * Экзамен 1 + 0.25 * Эссе
2024/2025 3rd module
0.35 * Дневники проекта + 0.15 * Домашнее задание + 0.25 * Проект + 0.1 * Упражнения + 0.15 * Экзамен 2

Список литературы

Авторы

Суворова Алёна Владимировна

Master’s Programme 'UX Analytics and Information System Design'

Contacts

Data Analysis and Machine Learning

Instructor

Программа дисциплины