Программная инженерия больших данных

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Департамент информатики

Статус:

Курс по выбору

Когда читается:

2-й курс, 3 модуль

Преподаватель

Москвин Денис Николаевич

Программа дисциплины

Аннотация

Дисциплина направлена на формирование у студентов теоретических знаний и практических навыков работы с большими данными. Курс посвящен программному решению проблемы надежного масштабируемого хранения и обработки данных и знакомит с особенностями работы с большими данными. Студенты познакомятся с различными моделями представления и обработки данных, а также освоят работу с контейнерами. Для освоения дисциплины студентам необходимо иметь знания, полученные в результате изучения дисциплин «Современные методы анализа данных», «Алгоритмы и структуры данных».

Цель освоения дисциплины

• Формирование у студентов теоретических знаний и практических навыков использования методом машинного обучения и естественной обработки текстов в области работы с кодом и разработки программного обеспечения.

Планируемые результаты обучения

• Умеет выбрать подходящий метод машинного обучения и естественной обработки текстов для создания модели или прототипа инструмента, помогающего в решении задач, возникающих при разработке программного обеспечения.
• Умеет реализовать сбор и предобработку данных на основе репозитория с исходным кодом.
• Имеет навыки использования существующих популярных библиотек, реализующих алгоритмы машинного обучения, для решения задач, актуальных в проектах по разработке программного обеспечения.
• Понимает основные виды деятельности, осуществляемые при разработке программного обеспечения, и то, как в них могли бы быть использованы методы машинного обучения.

Содержание учебной дисциплины

• Раздел 1. Постановка задачи машинного обучения в области программной инженерии
• Раздел 2. Использования машинного обучения для предсказания и оценки
• Раздел 3. Использование машинного обучения для задач синтеза кода
• Раздел 4. Использование машинного обучения для оптимизации архитектуры кода
• Раздел 5. Использование машинного обучения для поиска дубликатов
• Раздел 6. Использование техник обработки естественных языков
• Раздел 7. Использование машинного обучения для анализа кода

Элементы контроля

• Домашнее задание №1
  Домашнее задание №1 выдается студентам в одном варианте. Срок выполнения домашнего задания – 3 недели. Форма представления обучающимися домашнего задания – программа на одном из распространённых языков программирования.
• Домашнее задание №2
  Домашнее задание №2 выдается студентам в одном варианте. Срок выполнения домашнего задания – 2 недели. Форма представления обучающимися домашнего задания – программа на одном из распространённых языков программирования.
• Домашнее задание №3
  Домашнее задание №3 выдается студентам в одном варианте. Срок выполнения домашнего задания – 3 недели. Форма представления обучающимися домашнего задания – программа на одном из распространённых языков программирования.
• Устный экзамен
  Устный экзамен проводится в форме ответов на вопросы экзаменационного билета и дополнительные вопросы по материалам курса. Экзаменационный билет содержит два вопроса. На подготовку ответа выделяется 40 минут.

Промежуточная аттестация

• 2024/2025 3rd module
  Преподаватель учитывает оценку за текущий контроль (домашние задания). Онакопленная = (Од/з1 + Од/з2 + Од/з3) / 3 Результирующая оценка за дисциплину рассчитывается следующим образом: ОРезультирующая= 0,5Онакопленная + 0,5Оэкзамен

Список литературы

Рекомендуемая основная литература

• Zimmermann, T., Menzies, T., & Bird, C. (2015). The Art and Science of Analyzing Software Data. Amsterdam: Morgan Kaufmann. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=593414

Рекомендуемая дополнительная литература

• Kelleher, J. D. (2019). Deep Learning. Cambridge: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2234376

Авторы

• Москвин Денис Николаевич