Анализ данных и машинное обучение

2025/2026

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Статус: Маго-лего

Кто читает: Департамент информатики

Где читается: Школа информатики, физики и технологий

Когда читается: 1-3 модуль

Онлайн-часы: 10

Охват аудитории: для своего кампуса

Преподаватели: Суворова Алёна Владимировна

Язык: русский

Кредиты: 9

Контактные часы: 80

Дополнительные материалы в LMS Задать вопрос

Аннотация

Целью освоения дисциплины является изучение основных принципов машинного обучения, эффективных алгоритмов обучения и применения обученных моделей. В результате изучения дисциплины у студента будет сформировано представление об основных задачах, решаемых с помощью моделей машинного обучения, как в области анализа пользователей информационных систем, так и при построение сервисов и приложений, основанных на данных

Цель освоения дисциплины

изучение основных принципов машинного обучения и анализа данных
построение моделей для анализа пользователей и решения задач автоматизации

Планируемые результаты обучения

Выделяет подгруппы пользователей с помощью инструментов анализа данных
Выделяет правила из данных методами машинного обучения
Выявляет смещения (bias) в моделях
Знает основные понятия машинного обучения
Интерпретирует результаты предсказания
Интерпретирует результаты статистического анализа с учетом ограничений использованных методов
Обосновывает выбор методов и инструментария для проверки гипотез
Применяет основные конструкции языка Python и библиотек для анализа данных
Строит ансамблевые модели на языке Python
Строит модели с применением методов интерпретируемого машинного обучения
Строит предсказательные модели на языке Python
Строит регрессионные модели, оценивает различные типы эффектов
Строит нейросетевые модели
Проектирует системы с использованием машинного обучения

Содержание учебной дисциплины

Введение, основные понятия анализа данных, анализ данных в HCI
Выводы на основе данных
Предсказания на основе данных. Классификация и регрессия
Сегментация данных
Сложные модели и их применение
Проектирование систем, использующих машинное обучение

Элементы контроля

Дневники проекта
Результаты выполнения заданий по темам курса на индивидуальных данных итогового проекта
Проект
Проект по анализу данных на датасете по выбору студента. Задача зависит от выбранного датасета (например, предсказание показателя, выявление факторов, сегментация)
Экзамен 2
Письменный экзамен с теоретическими и практическими вопросами по материалам курса
Экзамен 1
Эссе
Структурированное эссе по одной из статей, связанных с методологией или применением A/B тестирования. Процесс поиска и / или анализа статьи обязательно включает использование одного из инструментов ИИ, а эссе -- рефлексию этого процесса
Домашнее задание
Проектирование информационной системы с моделями машинного обучения
Упражнения
Для закрепления навыков по работе с инструментарием студентам предлагается выполнить упражнения по работе на языке Python. Источник упражнений определяется преподавателем (по умолчанию -- задания из скриптов лабораторных работ), но может быть изменен студентом по согласованию с преподавателем (например, если студент уже имеет опыт работы с инструментарием).
Онлайн-курс
Для закрепления навыков по работе с задачами по статистике студентам предлагается выполнить упражнения из онлайн-курса. Источник упражнений определяется преподавателем (по умолчанию -- курс "Основы статистики"), но может быть изменен студентом по согласованию с преподавателем (например, если содержание предложенного курса уже пройдено студентом).

Промежуточная аттестация

2025/2026 1st module
0.2 * Онлайн-курс + 0.3 * Упражнения + 0.25 * Экзамен 1 + 0.25 * Эссе
2025/2026 3rd module
0.35 * Дневники проекта + 0.15 * Домашнее задание + 0.2 * Проект + 0.15 * Упражнения + 0.15 * Экзамен 2

Список литературы

Авторы

Суворова Алёна Владимировна

Программа дисциплины