Машинное обучение для агробиотеха

Магистратура 2025/2026

Статус: Курс обязательный (Биоинформатика в агробиотехнологиях)

Кто читает: Институт аграрных исследований

Где читается: Научные подразделения

Когда читается: 1-й курс, 4 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Дьяченко Станислав Сергеевич, Сластников Сергей Александрович

Язык: русский

Кредиты: 3

Контактные часы: 28

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс «Машинное обучение обучение для агробиотеха» имеет целью обучить студентов не только работе в Python, но и основам программирования вообще, поскольку наиболее базовые принципы являются схожими почти во всех языках программирования. При решении ряда задач исследователи часто сталкиваются с необходимостью работать с большими массивами данных. Характер данных может быть очень разным: последовательности нуклеиновых кислот (ДНК, РНК), аминокислот (белки). Для того чтобы эффективно работать с разными типами данных, необходимо знать основы программирования, так как именно навыки программирования позволяют автоматически собирать необходимую информацию за достаточно быстрое время. В качестве языка программирования в данном курсе используется Python. Язык Python на данный момент является очень популярным, в том числе в исследованиях в рамках естественных наук. Дисциплина подразделяется на два блока. Первый блок посвящен основам программирования и включает необходимые для дальнейшей работы в Python темы: переменные и типы данных, списки и кортежи, множества, словари, условные конструкции, циклы и функции. Второй блок посвящен решению прикладных задач в Python и включает темы, связанные со сбором и анализом данных: выгрузка данных с сайтов, парсинг веб-страниц, работа с таблицами, визуализация и разведывательный анализ данных, а также эффективная работа с текстом, поскольку именно с таким форматом данных студентам придется работать больше всего в дальнейшем, и использования машинного обучения. Базовые навыки программирования позволят работать с биологическими данными различного уровня и размеров эффективнее и уже сегодня являются достаточно востребованными навыками у специалистов естественнонаучного профиля.

Цель освоения дисциплины

• Знакомство с основными инструментами и библиотеками языка Python для решения прикладных задач методами машинного обучения • Знакомство с методами машинного обучения в задачах классификации, кластеризации и регрессии

Планируемые результаты обучения

• Знакомство с основными библиотеками Python для предобработки данных и обучения моделей
• Знание базовых алгоритмов решения задач машинного обучения, таких как классификация, регрессия, кластеризация
• Владение методами и инструментами обучения моделей машинного обучения (линейные, случайный лес, градиентный бустинг, полносвязанные нейронные сети)