• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site

Machine Learning

2023/2024
Academic Year
RUS
Instruction in Russian
6
ECTS credits
Delivered at:
Department of Information Technologies in Business (Faculty of Computer Science, Economics, and Social Sciences)
Course type:
Compulsory course
When:
3 year, 1, 2 module

Instructors

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

Цель освоения дисциплины

  • закрепление навыков работы на языке Python, знание и понимание задач управления данными, в том числе, загрузка данных, преобразование данных, и предварительный анализ и визуализация данных
  • знакомство с основными задачами и моделями машинного обучения, знание методов оценки качества работы различных моделей машинного обучения
  • понимание процесса интеграции моделей машинного обучения в рамках задач стоящих перед потенциальными заказчиками
Планируемые результаты обучения

Планируемые результаты обучения

  • Владеть навыками анализа реальных данных с помощью изученных методов
  • Знать основные модели и методы машинного обучения и разработки данных
  • Уметь применять указанные модели и методы, а также программные средства, в которых они реализованы
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тема 1.
  • Тема 2.
  • Тема 3.
  • Тема 4.
  • Тема 5.
  • Тема 6.
  • Тема 7.
  • Тема 8.
  • Тема 9.
  • Тема 10.
  • Тема 11.
Элементы контроля

Элементы контроля

  • неблокирующий Текущее тестирование после каждого лекционного занятия
  • неблокирующий Выполнение заданий на практиках
  • неблокирующий Тест по 1 модулю
  • неблокирующий Текущее тестирование после каждого лекционного занятия
  • неблокирующий Выполнение заданий на практиках
  • неблокирующий Экзамен
  • неблокирующий Дополнительные баллы
  • неблокирующий Оценка за 1 модуль
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 1 модуль
    0.2 * Текущее тестирование после каждого лекционного занятия + 0.5 * Выполнение заданий на практиках + 0.3 * Тест по 1 модулю
  • 2023/2024 учебный год 2 модуль
    0.25 * Оценка за 1 модуль + 0.2 * Экзамен + 0.2 * Дополнительные баллы + 0.25 * Выполнение заданий на практиках + 0.1 * Текущее тестирование после каждого лекционного занятия
Список литературы

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

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