Научно-исследовательский семинар "Машинное обучение и приложения 1"

Бакалавриат 2025/2026

Статус: Курс по выбору (Компьютерные науки и анализ данных)

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 3-й курс, 1-4 модуль

Охват аудитории: для своего кампуса

Язык: английский

Кредиты: 3

Контактные часы: 68

Full Syllabus Ask Question

Abstract

Курс посвящен научному разделу машинного и глубинного обучения. Он покрывает как классические статьи по этой теме, так и более новые, относящиеся непосредственно к текущему направлению исследования.

Learning Objectives

Понимать текущие тенденции в научном глубинном обучении
Знать ключевые статьи по основным разделам глубинного обучения
Уметь работать с кодом к этим статьям / имплементировать их самим
Уметь оценивать сложность статьи и качество презентации
Уметь выделять основные их идеи и преподносить не ознакомленному слушателю
Уметь читать научные статьи по машинному и глубинному обучению

Expected Learning Outcomes

1. Знать основные задачи в области современных исследований в машинном обучении (классификация, регрессия, сегментация, прогнозирование и т.д.).
2.Знать современные алгоритмы и модели, рассматриваемые в научных статьях (сверточные нейронные сети, рекуррентные нейронные сети, бустинг, коллаборативная фильтрация, REINFORCE и т.д.), знать преимущества и недостатки моделей данных типов.
3. Уметь готовить и проводить выступление с докладом на научную тему, а также вести дискуссию по материалам доклада.
2. Знать основные задачи в области современных исследований в машинном обучении (классификация, регрессия, сегментация, прогнозирование и т.д.).
4. Уметь самостоятельно выбирать и изучать современные научные статьи, находить релевантную литературу.
-Уметь писать научные тексты.
-Студент может без дополнительной подготовки разобраться с научной статьей по глубинному обучению и презентовать ее другим.
-Студент умеет оценивать сложность статьи, качество ее презентации и сложность написания кода по ней.

Course Contents

Приглашенные доклады.
Выступления студентов с научными докладами.
Научные тексты и их оформление.
Знакомство, обсуждение пожеланий в особенностях курса (проводится впервые), обсуждение пререквизитов и подбор на основе этого списка статей
Презентации статей

Assessment Elements

Презентации по статьям
Ревью презентаций
Экзамен

Interim Assessment

2025/2026 2nd module
-
2025/2026 4th module
Итог = Округление(0.6 * П + 0.1 * Р + 0.3 * Э), где П — средняя оценка за все презентации, Р — оценка за ревью (отнормированная до 10), Э — оценка за экзамен.

Bibliography

Recommended Core Bibliography

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
Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008
Гудфеллоу, Я. Глубокое обучение / Я. Гудфеллоу, И. Бенджио, А. Курвилль , перевод с английского А. А. Слинкина. — 2-е изд. — Москва : ДМК Пресс, 2018. — 652 с. — ISBN 978-5-97060-618-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/107901 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Платонов, А. В. Машинное обучение : учебное пособие для вузов / А. В. Платонов. — 2-е изд. — Москва : Издательство Юрайт, 2025. — 89 с. — (Высшее образование). — ISBN 978-5-534-20732-3. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/558662 (дата обращения: 04.07.2025).

Recommended Additional Bibliography

James, G. et al. An introduction to statistical learning. – Springer, 2013. – 426 pp.
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

Authors

Ахмедова Гюнай Интигам кызы

Course Syllabus