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

Applied 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:
2 year, 2, 3 module

Instructor

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. Рассматриваются популярные методы машинного обучения, такие как ансамбли, алгоритмы прогнозирования временных рядов и нейронные сети.
Цель освоения дисциплины

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

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

Содержание учебной дисциплины

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

Элементы контроля

  • неблокирующий Домашняя работа №1
  • неблокирующий Домашняя работа №2
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 3 модуль
    0.3 * Домашняя работа №1 + 0.3 * Домашняя 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 / Е. Ю. Бутырский, Н. А. Жукова, В. Б. Мельников [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: 25.08.2023). — Текст : электронный.
  • Лакшманан В. - Машинное обучение. Паттерны проектирования: Пер. с англ. / В. Лакшманан, С. Робинсон, М. Мунн. - 978-5-9775-6797-8 - Санкт-Петербург: БХВ-Петербург - 2022 - 385740 - https://ibooks.ru/bookshelf/385740/reading - iBOOKS
  • Платонов, А. В.  Машинное обучение : учебное пособие для вузов / А. В. Платонов. — Москва : Издательство Юрайт, 2022. — 85 с. — (Высшее образование). — ISBN 978-5-534-15561-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/508804 (дата обращения: 28.08.2023).

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