Machine Learning

2021/2022

Учебный год

ENG

Обучение ведется на английском языке

7

Кредиты

Кто читает:

Кафедра информационных технологий в бизнесе (Пермь) (Факультет социально-экономических и компьютерных наук)

Статус:

Курс обязательный

Когда читается:

2-й курс, 2 модуль

Преподаватель

Перескокова Ольга Ивановна

Course Syllabus

Abstract

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 38.04.05 Бизнес-информатика, обучающихся по образовательной программе «Бизнес-аналитика», 09.03.04 Программная инженерия, обучающихся по образовательной программе "Программная инженерия".

Learning Objectives

• 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

Expected Learning Outcomes

• ведет профессиональную, в том числе научно-исследовательскую деятельность в международной среде
• Знает задачи классификации и регрессии; знает модели дерева решений, леса решений и градиентного бустинга.
• Знает задачу кластеринга и основные подходы к её решению.
• Знает задачу оценки эффект от воздействия и основным подходы к её решению
• Знает задачу построения рекомендательных систем и основные подходы к её решению.
• Знает основные модели глубинного обучения для работы с изображениями.
• Умеет формализовать бизнес-задачу как задачу машинного обучения, умеет её решить и оценить её качество

Course Contents

• Раздел 1. Задача классификации и регрессии
• Раздел 2. Задача оценки эффекта от воздействия
• Раздел 3. Задача построения рекомендательных систем
• Раздел 4. Задачи обучения без учителя
• Раздел 5. Модели глубинного обучения
• Раздел. 6. Работа над проектом

Assessment Elements

• Лабораторная работа 1
• Лабораторная работа 2
• Лабораторная работа 3
• Проект
• Экзамен

Interim Assessment

• 2021/2022 2nd module
  0.3 * Экзамен + 0.15 * Лабораторная работа 1 + 0.15 * Лабораторная работа 3 + 0.1 * Лабораторная работа 2 + 0.3 * Проект

Bibliography

Recommended Core Bibliography

• Загорулько Ю. А., Загорулько Г. Б. - ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ. ИНЖЕНЕРИЯ ЗНАНИЙ. Учебное пособие для вузов - М.:Издательство Юрайт - 2019 - 93с. - ISBN: 978-5-534-07198-6 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/iskusstvennyy-intellekt-inzheneriya-znaniy-442134
• Рашка, С. Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения : руководство / С. Рашка ; перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2017. — 418 с. — ISBN 978-5-97060-409-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100905 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Recommended Additional Bibliography

• Шарден, Б. Крупномасштабное машинное обучение вместе с Python : учебное пособие / Б. Шарден, Л. Массарон, А. Боскетти ; перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2018. — 358 с. — ISBN 978-5-97060-506-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/105836 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.