Машинное обучение и технологии искусственного интеллекта

2025/2026

Статус: Маго-лего

Кто читает: Департамент электронной инженерии

Где читается: Московский институт электроники и математики им. А.Н. Тихонова

Когда читается: 3, 4 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Иванов Федор Ильич, Котов Феодосий Игоревич

Язык: русский

Кредиты: 6

Контактные часы: 52

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина "Машинное обучение и технологии искусственного интеллекта" направлена на изучение основных методов и моделей машинного обучения и их практическое применение. Рассматриваются основные типы задач обучения с учителем и без: классификация, кластеризация, регрессия.

Цель освоения дисциплины

формирование у студентов практических навыков работы с данными и решения прикладных задач анализа данных.

Планируемые результаты обучения

Знать понятия и методы машинного обучения, которые могут быть полезны для дальнейшего изучения соответствующих дисциплин, а также для применения в профессиональной деятельности.
Владеть методами машинного обучения и популярными программными пакетами для решения практических задач машинного обучения.

Содержание учебной дисциплины

Введение в машинное обучение
Машинное обучение как математическое моделирование
Введение в линейные модели и задача регрессии
Линейные модели и задача классификации

Элементы контроля

Реализация модели линейной регрессии с понижением размерности
Экзамен
Итоговый экзамен по дисциплине проводится в форме устного экзамена в конце изучения курса в присутствии преподавателя. На экзамене студент выбирает экзаменационный билет, который составляется с учетом пройденного материала, как на лекционных занятиях, так и на семинарах. После ответа студента преподаватель может ему задать уточняющие вопросы по тематике билета.
Реализация EM/GMM алгоритма
Реализация метода кластеризации k-means и с-means на текстовой информации

Промежуточная аттестация

2025/2026 4th module
0.3 * Реализация EM/GMM алгоритма + 0.2 * Реализация метода кластеризации k-means и с-means на текстовой информации + 0.2 * Реализация модели линейной регрессии с понижением размерности + 0.3 * Экзамен

Список литературы

Авторы

Иванов Федор Ильич

Программа дисциплины