Машинное обучение

2025/2026

Учебный год

RUS

Обучение ведется на русском языке

5

Кредиты

Кто читает:

Кафедра информационных технологий в бизнесе (Пермь) (Факультет социально-экономических и компьютерных наук)

Статус:

Курс обязательный

Когда читается:

3-й курс, 1, 2 модуль

Преподаватели

Мыльников Леонид Александрович

Радыгина Анна Александровна

Теплых Григорий Васильевич

Программа дисциплины

Аннотация

Формирование у студентов знаний, умений и навыков о принципах, методах и алгоритмах машинного обучения и интеллектуального анализа данных. Курс знакомит с современными подходами к извлечению знаний из данных, включая классические статистические методы и передовые технологии нейронных сетей, обработки текстов и изображений. В результате обучения студент будет уметь выбирать и применять подходящие алгоритмы для задач регрессии, классификации, кластеризации и прогнозирования, интерпретировать полученные результаты, а также понимать современные принципы работы нейросетей и больших языковых моделей.

Цель освоения дисциплины

• Сформировать у студентов системное понимание места машинного обучения в парадигме искусственного интеллекта, включая исторические этапы развития, классификацию задач (обучение с учителем, без учителя, с подкреплением) и современные области применения.
• Изучить теоретические основы нейросетевого подхода от формального нейрона до многослойных архитектур (полносвязные, сверточные, рекуррентные, трансформеры), а также алгоритмы их обучения.
• Освоить методы предобработки данных (очистка, нормализация, работа с пропусками, уменьшение размерности) и базовые алгоритмы анализа данных с использованием адекватных метрик качества.
• Приобрести практические навыки построения ML-решений для различных типов данных: табличных, текстовых, визуальных.

Планируемые результаты обучения

• Владеть таким инструментами как Python или R для анализа данных и применения ML моделей
• Знать основные модели и методы машинного обучения и обработки данных
• Уметь применять методы ML основанные на данных для решения прикладных задач, осуществлять выбор методов и моделей основанных на использовании данных

Содержание учебной дисциплины

• Введение
• Общие вопросы работы с данными
• Базовые алгоритмы машинного обучения.
• Регрессионный анализ
• Классификация и кластеризация.
• Обработка текстов.
• Работа с изображениями.
• Введение в глубокое обучение.

Элементы контроля

• Дополнительные активности
• Присутствие на лекционных занятиях в модуле 1
• Оценка за результаты текущего тестирования в модуле 1
• Оценка за выполнение заданий на практиках
• Результаты тестирования за модуль 1
• Присутствие на лекционных занятиях в модуле 2
• Оценка за результаты текущего тестирования в модуле 2
• Результаты тестирования за модуль 2
• Оценка за модуль 1

Промежуточная аттестация

• 2025/2026 1st module
  0.1 * Присутствие на лекционных занятиях в модуле 1 + 0.2 * Дополнительные активности + 0.1 * Результаты тестирования за модуль 1 + 0.1 * Оценка за результаты текущего тестирования в модуле 1 + 0.5 * Оценка за выполнение заданий на практиках
• 2025/2026 2nd module
  0.1 * Оценка за результаты текущего тестирования в модуле 2 + 0.1 * Результаты тестирования за модуль 2 + 0.2 * Оценка за модуль 1 + 0.5 * Оценка за выполнение заданий на практиках + 0.1 * Присутствие на лекционных занятиях в модуле 2

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
• Pattern recognition and machine learning, Bishop, C. M., 2006
• Искусственный интеллект : современный подход, Рассел, С., 2018

Рекомендуемая дополнительная литература

• Trevor Hastie, Robert Tibshirani, & Jerome Friedman. New York. (n.d.). Book Reviews 567 The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.45E1D521
• Как учится машина : революция в области нейронных сетей и глубокого обучения, Лекун, Я., 2021

Авторы

• Карпович Марина Валерьевна
• Мыльников Леонид Александрович