Дисциплина по выбору из MOOC

Бакалавриат 2025/2026

Статус: Курс обязательный (Психология)

Кто читает: Департамент психологии

Где читается: Факультет социальных наук

Когда читается: 3-й курс, 3, 4 модуль

Онлайн-часы: 20

Охват аудитории: для своего кампуса

Язык: английский

Кредиты: 3

Full Syllabus Ask Question

Abstract

Студентам предлагается на выбор для освоения несколько англоязычных онлайн-курсов из областей, смежных с психологией. Дисциплина направлена на укрепление навыков англоязычной коммуникации, с одной стороны, и на развитие компетенций по конструированию междисциплинарных связей, с другой.

Learning Objectives

Владеет навыками работы с данными
Умеет использовать в профессиональной работе современные технические средства для наиболее лучшего результата исследования
Демонстрирует навыки работы с данными
Демонстрирует навыки интерпретации психологических показателей
Владеет методиками самоорганизации при выполнении профессиональных задач в области психологии

Expected Learning Outcomes

Be able to apply the concepts of Euclidean space in the least squares method for finding approximate solutions of linear systems and in the linear regression model based on it. Know the core of the most common linear classifier, called the support vector machine.
Know methods for finding linear system solutions based on Gaussian exceptions and LU decompositions. Be able to use Python code for matrix calculations.
Know the fundamental concepts of linear algebra, namely: vector spaces, linear independence and basis, matrix rank, properties of a set of solutions for a system of linear equations. Be able to apply this theory to the processing of scanned documents.
Владеет методиками самоорганизации при выполнении профессиональных задач в области психологии
Демонстрирует навыки интерпретации психологических показателей
Демонстрирует навыки работы с данными
Умеет использовать в профессиональной работе современные технические средства для наиболее лучшего результата исследования
Владеет навыками работы с данными
The goal of the course is to apply matrix analysis to machine learning. We study the aspects of linear algebra that are used in data Science.
knows functions in machine learning
can use functions in machine learning
has the skill of calculating differentiated functions in machine learning

Course Contents

1. Probability Theory, Statistics and Exploratory Data Analysis
2. First Steps in Linear Algebra for Machine Learning
3. Calculus and Optimization for Machine Learning

Assessment Elements

Тест
В каждом онлайн курсе есть свой итоговый тест
Активность
Включенность в прохождение каждого онлайн курса вшита в формулу оценивания внутри курса.

Interim Assessment

2025/2026 4th module
Расчет производится для каждого онлайн курса отдельно по формуле вшитой в сам онлайн курс.

Bibliography

Recommended Core Bibliography

A course in probability theory, Chung, K. L., 2001
Knox, S. W. (2018). Machine Learning : A Concise Introduction. Hoboken, New Jersey: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1729639
Linear Algebra - CCBY4_058 - David Cherney, Tom Denton, & Andrew Waldron - 2022 - Open Educational Resources: libretexts.org - https://ibooks.ru/bookshelf/390844 - 390844 - iBOOKS
Machine learning, Mitchell, T. M., 1997
Taieb, D. (2018). Data Analysis with Python : A Modern Approach. Birmingham, UK: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1993344

Recommended Additional Bibliography

Andrea Mechelli, & Sandra Vieira. (2019). Machine Learning : Methods and Applications to Brain Disorders. [N.p.]: Academic Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2118707
Bell, J. (2015). Machine Learning : Hands-On for Developers and Technical Professionals. Indianapolis, Ind: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=872454
Inge, R., & Leif, J. (2017). Machine Learning : Advances in Research and Applications. Hauppauge, New York: Nova Science Publishers, Inc. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1652565
Jason Bell. (2020). Machine Learning : Hands-On for Developers and Technical Professionals: Vol. Second edition. Wiley.
Kim, P. (2017). MATLAB Deep Learning : With Machine Learning, Neural Networks and Artificial Intelligence. [New York, NY]: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1535764
Marcelo Sampaio de Alencar, & Raphael Tavares de Alencar. (2016). Probability Theory. Momentum Press.
Mathur, P. (2019). Machine Learning Applications Using Python : Cases Studies From Healthcare, Retail, and Finance. [Berkeley, California]: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1982259
Mohammed, M., Khan, M. B., & Bashier, E. B. M. (2017). Machine Learning : Algorithms and Applications. Boca Raton: CRC Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1293656
Murphy, K. P. (2012). Machine Learning : A Probabilistic Perspective. Cambridge, Mass: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=480968

Authors

VECHERIN ALEKSANDR VIKTOROVICH
CHUMAKOVA MARIYA ALEKSEEVNA

Course Syllabus