Машинное обучение в бизнесе

Магистратура 2025/2026

Статус: Курс обязательный (Цифровые коммуникации и продуктовая аналитика)

Кто читает: Школа коммуникаций

Где читается: Факультет креативных индустрий

Когда читается: 1-й курс, 3, 4 модуль

Онлайн-часы: 20

Охват аудитории: для своего кампуса

Преподаватели: Семенова Анастасия Михайловна

Язык: русский

Кредиты: 6

Контактные часы: 60

Дополнительные материалы в LMS Задать вопрос

Аннотация

В результате успешного освоения курса студенты будут: знать типологии задач и метрики качества в машинном обучении; уметь корректно использовать модели машинного обучения для прогнозирования показателей коммуникационной среды; корректно использовать математические модели и алгоритмы для анализа текстов в PR и рекламе; владеть базовыми навыками анализа данных, математическим аппаратом для оптимизации рекламной деятельности, навыками построения нейронных сетей.

Цель освоения дисциплины

Целью освоения дисциплины "Машинное обучение в бизнесе" является обучение студентов навыкам использования машинного обучения и анализа данных для последующего их применения в прикладных исследованиях потребителей.

Планируемые результаты обучения

Адекватно оценивает корректность использования методов анализа данных, применяемых при решении исследовательских задач.
Использует базовые метрики качества в задачах классификации, кластеризации и регрессии.
Применяет методы кластеризации для анализа данных.
Применяет методы классификации и логистической регрессии для анализа данных.
Корректно применяет ансамбли моделей в машинном обучении.
Готовит и предобрабатывает датасет для анализа неструктурированных данных (изображений, текстов).
Готовит и предобрабатывает датасеты структурированных данных для машинного обучения.
Адекватно оценивает корректность использования статистических методов, применяемых при формулировке и решении задач машинного обучения.
Владеет базовыми навыками анализа данных.
Строит базовые нейронные сети.
Использует как минимум один из нейросетевых фреймворков.

Содержание учебной дисциплины

Применение теории вероятностей в машинном обучении
Введение в машинное обучение.
Наборы данных в машинном обучении.
Метрики качества в обучении с учителем.
Обучение с учителем. Классификация, логистическая регрессия.
Ансамбли моделей в машинном обучении. Концепция бустинга
Задача кластеризации.
Неструктурированные данные: тексты, изображения
Нейронные сети: введение
Нейронные сети: сверточные и рекуррентные сети

Элементы контроля

Экзамен
Устный экзамен. Экзамен состоит из 2 вопросов по билетам (по одному вопросу из блока «Математика и обучение с учителем» и «Обучение без учителя и нейронные сети»), а также сканирующего опроса по разделам дисциплины. Студентам также предоставляется альтернативная возможность заранее подготовить решение усложнённых задач, которые будут засчитаны на экзамене – система «звездочек» и «джокеров» (подробнее см. критерии оценивания). ОСОБЕННОСТИ ОРГАНИЗАЦИИ ЭКЗАМЕНА В ДИСТАНЦИОННОМ ФОРМАТЕ. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, стабильное подключение к Интернету. Для участия в экзамене студент обязан: поставить фамилию и имя в профиле, явиться на экзамен согласно точному расписанию начала экзамена, не выключать камеру и микрофон в течение всего периода проведения экзамена, включая подготовку и ответы. По завершении своего ответа студент может покинуть экзамен. Во время экзамена студентам запрещено: выключать камеру, пользоваться подсказками третьих лиц. Разрешено пользоваться рукописными конспектами. Билеты распределяются рандомно в начале экзамена посредством генератора случайных чисел на компьютере преподавателя. В начале экзамена студентам даётся 20 минут на подготовку. Во время подготовки камера должна располагаться таким образом, чтобы был виден рабочий стол студента. На столе не должно быть ничего, кроме черновика (белый лист бумаги), рукописного конспекта и ручки, также можно поставить чашку или бутылку воды. В комнате не должны находиться посторонние лица. Телефон необходимо заранее поставить на беззвучный режим и убрать. Пользоваться файлами, ПО, вкладками или браузерами на компьютере в период проведения экзамена не разрешается. По истечении 20 минут студенты по очереди устно отвечают на вопросы своего билета. Очерёдность определяется готовностью студентов. Кратковременным нарушением связи во время экзамена считается нарушение связи менее минуты. Долговременным нарушением связи во время экзамена считается нарушение минута и более. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи аналогична процедуре экзамена.
Индивидуальное задание по 4 модулю
Активность на занятиях
Групповое задание по 3 модулю
В группе не более 5 человек
Оценка за онлайн-курс
Прогресс студента по онлайн-курсу "Введение в машинное обучение" https://edu.hse.ru/course/view.php?id=132489
Итоговый групповой проект

Промежуточная аттестация

2025/2026 4th module
0.1 * Активность на занятиях + 0.125 * Групповое задание по 3 модулю + 0.125 * Индивидуальное задание по 4 модулю + 0.25 * Итоговый групповой проект + 0.1 * Оценка за онлайн-курс + 0.3 * Экзамен

Список литературы

Авторы

Семенова Анастасия Михайловна
Коваленко Надежда Николаевна
Грызунова Елена Аркадьевна

Программа дисциплины