• 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:
1 year, 3, 4 module

Instructor


Garafutdinov, Robert V.

Программа дисциплины

Аннотация

Машинное обучение – это область знаний, позволяющая автоматически находить зависимости в данных. Такая технология позволяет решать различные задачи без явного программирования правил. Благодаря развитию вычислительной техники и самой области, в последнее десятилетие машинное обучение стало неотъемлемой частью самых разных продуктов – от веб-сервисов до банков. В рамках данного курса студенты рассмотрят основные концепции машинного обучения и попрактикуются в применении методов машинного обучения для решения бизнес-задач.
Цель освоения дисциплины

Цель освоения дисциплины

  • Развитие у студентов навыков применения методов и решения задач искусственного интеллекта и машинного обучения с использованием современных подходов, технологий и инструментальных средств (на примере языка программирования Python и его библиотек).
Планируемые результаты обучения

Планируемые результаты обучения

  • имеет представление об искусственном интеллекте и его применимости для решения задач бизнеса;
  • владеет языком Python и библиотекой pandas;
  • способен выполнять загрузку и обработку табличных данных с помощью этих инструментов;
  • знает основные понятия и постановки задач машинного обучения;
  • знает алгоритмы и методы классических задач машинного обучения;
  • знает основные метрики качества регрессии, классификации и кластеризации;
  • способен строить модели регрессии, классификации и кластеризации;
  • способен оценивать качество моделей на практике в Python;
  • знает принципы построения композиций моделей;
  • знает алгоритмы ансамблирования;
  • умеет применять подходы к решению проблем машинного обучения на практике в Python;
  • имеет представление об искусственных нейронных сетях как базовых алгоритмах глубокого обучения;
  • способен строить простые нейронные сети на практике в Python.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тема 1. Введение в искусственный интеллект
  • Тема 2. Инструментальные средства
  • Тема 3. Подготовка и визуализация данных
  • Тема 4. Классические задачи машинного обучения: регрессия, классификация, кластеризация
  • Тема 5. Ансамбли алгоритмов
  • Тема 6. Проблемы качества обучения
  • Тема 7. Отбор и синтез признаков и объектов
  • Тема 8. Введение в нейронные сети
Элементы контроля

Элементы контроля

  • неблокирующий Контрольная работа 2
  • неблокирующий Домашняя работа
  • неблокирующий Контрольная работа 1
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 4 модуль
    0.2 * Домашняя работа + 0.2 * Контрольная работа 1 + 0.2 * Контрольная работа 2 + 0.4 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Барский, А. Б. Введение в нейронные сети : учебное пособие / А. Б. Барский. — 2-е изд. — Москва : ИНТУИТ, 2016. — 358 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100684 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Данилов, В. В. Нейронные сети : учебное пособие / В. В. Данилов. — Донецк : ДонНУ, 2020. — 158 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/179953 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Искусственные нейронные сети : учебник / В. В. Цехановский, Е. Ю. Бутырский, Н. А. Жукова [и др.] ; под ред. В. В. Цехановского. — Москва : КноРус, 2023. — 350 с. — ISBN 978-5-406-10678-5. — URL: https://book.ru/book/947113 (дата обращения: 27.08.2024). — Текст : электронный.
  • Машинное обучение. Паттерны проектирования: Пер. с англ. / В. Лакшманан, С. Робинсон, М. Мунн. - 978-5-9775-6797-8 - Лакшманан В. - 2022 - Санкт-Петербург: БХВ-Петербург - https://ibooks.ru/bookshelf/385740 - 385740 - iBOOKS
  • Платонов, А. В.  Машинное обучение : учебное пособие для вузов / А. В. Платонов. — Москва : Издательство Юрайт, 2023. — 85 с. — (Высшее образование). — ISBN 978-5-534-15561-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/520544 (дата обращения: 27.08.2024).

Рекомендуемая дополнительная литература

  • Caselles-Dupré, H., Lesaint, F., & Royo-Letelier, J. (2018). Word2Vec applied to Recommendation: Hyperparameters Matter. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsarx&AN=edsarx.1804.04212
  • D. Sculley, Todd Phillips, Dietmar Ebner, Vinay Chaudhary, & Michael Young. (n.d.). Machine Learning: The High-Interest Credit Card of Technical Debt. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.BAEF1F2C

Авторы

  • Гарафутдинов Роберт Викторович
  • Карпович Марина Валерьевна