Large-Scale Machine Learning

2021/2022

Academic Year

RUS

Instruction in Russian

4

ECTS credits

Delivered at:

Department of Informatics

Course type:

Elective course

When:

1 year, 3, 4 module

Instructor

Bryksin, Timofey

Программа дисциплины

Аннотация

Дисциплина направлена на формирование у студентов теоретических знаний и практических навыков работы с большими данными и знакомит слушателей с основными задачами машинного обучения на больших данных, их особенностями и ограничениями. Для освоения дисциплины студентам необходимо иметь знания, полученные в результате изучения дисциплин «Математический анализ», «Линейная алгебра и геометрия», «Теория вероятностей и математическая статистика», «Алгоритмы и структуры данных», «Машинное обучение».

Цель освоения дисциплины

• Ознакомление студентов с основными задачами машинного обучения на больших данных, их особенностями и ограничениями.

Планируемые результаты обучения

• Владеть инструментами обработки данных в парадигме MapReduce
• владеть инструментами обработки данных в парадигме MapReduce;
• Знать особенности распараллеливания алгоритмов машинного обучения для применения на больших данных
• знать особенности распараллеливания алгоритмов машинного обучения для применения на больших данных;
• Уметь работать с большими данными в реальных задачах
• уметь работать с большими данными в реальных задачах.

Содержание учебной дисциплины

• Онлайн обучение и линейные модели
• Введение в Apache Spark и оптимизация гиперпараметров
• Рекомендательные системы
• Бустинг для больших данных
• Нейросети
• LSH для нахождения похожих объектов
• Кластеризация больших данных

Элементы контроля

• Домашнее задание 1
• Домашнее задание 2
• Домашнее задание 3
• Устный экзамен

Промежуточная аттестация

• 2021/2022 учебный год 4 модуль
  0.18 * Домашнее задание 3 + 0.16 * Домашнее задание 2 + 0.5 * Устный экзамен + 0.16 * Домашнее задание 1

Список литературы

Рекомендуемая основная 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
• 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