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

Проворова Анна Александровна

Теплых Григорий Васильевич

Программа дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает требования к образовательным результатам и результатам обучения студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих дисциплину «Машинное обучение», учебных ассистентов и студентов направления подготовки 09.03.04 Программная инженерия, 38.03.05 Бизнес-информатика, обучающихся по образовательной программе "Разработка информационных систем для бизнеса".

Цель освоения дисциплины

• формирование комплексного представления о машинном обучении (ML) и искусственном интеллекте (изучение взаимосвязи ML и искусственного интеллекта, основных типов задач, решаемых методами машинного обучения)
• формирование комплексного представления о принципах организации и применения нейронных сетей
• освоение процессов обработки данных, базовых алгоритмов и принципов построения ML-моделей
• приобретение навыком использования ML для решения практических задач таких как задач обработки табличных данных, изображений, обработка текстов и звука

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

• Мыльников Леонид Александрович
• Карпович Марина Валерьевна