Delivered at:: Department of Information Technologies in Business (Faculty of Computer Science, Economics, and Social Sciences)

Course type:: Compulsory course

When:: 2 year, 2, 3 module

Instructor

Garafutdinov, Robert V.

Полная версия программы учебной 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. Рассматриваются популярные методы машинного обучения, такие как ансамбли, алгоритмы прогнозирования временных рядов и нейронные сети.

Цель освоения дисциплины

Целью освоения дисциплины «Прикладные аспекты машинного обучения» является 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

• способен определять проблему, для решения которой применимо машинное обучение
• способен определять задачи классификации, регрессии и кластеризации
• способен строить модели для решения этих задач на заданном наборе данных
• способен использовать различные алгоритмы для решения этих задач и подбирать наиболее подходящий в рамках конкретной задачи
• способен определить подходящую метрику качества модели машинного обучения
• способен применять ансамблирование и бустинг для повышения точности моделей
• способен выявлять и недообучение и переобучение
• способен спроектировать и обучить нейронную сеть на заданном наборе данных
• способен моделировать и прогнозировать временные ряды

Содержание учебной дисциплины

Основы машинного обучения
Ансамбли
Работа с признаками и объектами
Анализ текстовых данных
Временные ряды
Нейронные сети

Элементы контроля

Домашняя работа №1
Домашняя работа №2
Экзамен

Промежуточная аттестация

2023/2024 учебный год 3 модуль
0.3 * Домашняя работа №1 + 0.3 * Домашняя работа №2 + 0.4 * Экзамен

Master’s Programme 'Business Analytics'

Contacts

Applied Machine Learning

Instructor

Программа дисциплины

Аннотация

Цель освоения дисциплины

Планируемые результаты обучения

Содержание учебной дисциплины

Элементы контроля

Промежуточная аттестация

Список литературы

Рекомендуемая основная литература

Рекомендуемая дополнительная литература