2025/2026

LSML

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 3 модуль

Охват аудитории: для своего кампуса

Преподаватели: Галушкин Андрей Владимирович

Язык: английский

Кредиты: 3

Контактные часы: 24

Course Syllabus

Abstract

The discipline introduces students to the main tasks of machine learning on big data, their features and limitations. To master the academic discipline, students must have knowledge and competencies in the following disciplines: Mathematical analysis Linear Algebra and geometry Probability theory Mathematical statistics Algorithms and data structures Machine learning

Learning Objectives

• Introducing students to the main tasks of machine learning on big data, their features, and limitations

Expected Learning Outcomes

• Mastering data processing tools in the MapReduce paradigm

Course Contents

• Hadoop
• Spark
• Linear models
• Boosting
• Recommender systems
• Neural networks
• Hashing tricks
• Min hash & LSH
• Spark streaming and Kafka
• Catboost

Assessment Elements

• Мини-домашнее задание 2
  Алгоритм на Map Reduce Алгоритмы на Spark
• Большое домашнее задание
  Обучить модель на большом датасете
• Мини-домашнее задание 3
  Более продвинутые задачи по работе на Spark Собрать признаки из имеющихся данных
• Мини-домашнее задание 4
  Собрать датасет на Spark Обучить классическую модель
• Мини-домашнее задание 1
  Работа с облаком Алгоритм на Bash
• Опциональный экзамен

Interim Assessment

• 2025/2026 3rd module
  Итог = max(min(round(0,6*накоп+0,6*экз); 10); накоп)

Bibliography

Recommended Core Bibliography

• An Introduction to the Bootstrap, Efron, B., 1993

Recommended Additional Bibliography

• Машинное обучение : наука и искусство построения алгоритмов, которые извлекают знания из данных, Флах, П., 2015

Authors

• Ахмедова Гюнай Интигам кызы