Современные методы принятия решений

Магистратура 2026/2027

Статус: Курс обязательный (UX-аналитика и проектирование информационных систем)

Кто читает: Департамент информатики

Где читается: Школа информатики, физики и технологий

Когда читается: 1-й курс, 4 модуль

Онлайн-часы: 10

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Суворова Алёна Владимировна

Язык: русский

Кредиты: 3

Контактные часы: 36

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина направлена на формирование теоретических знаний о математических методах поиска и анализа данных для принятия и реализации решений, включая методы оптимизации, ранжирования, выбора, вероятностного моделирования и обучения с подкреплением. В результате изучения дисциплины у студента будет сформировано представление о математических подходах к разработке и исследованию методов анализа и принятия решений. Для освоения дисциплины необходимы знания языка программирования Python и основ машинного обучения.

Цель освоения дисциплины

формирование теоретических знаний о математических методах поиска и анализа данных для принятия и реализации решений, включая методы оптимизации, ранжирования, выбора, вероятностного моделирования и обучения с подкреплением

Планируемые результаты обучения

знает основные понятия теории принятия решения
использует методы поддержки принятия решений для оценки шансов и выбора оптимальных стратегий
оценивает качество моделей принятия решений
строит вероятностные графические модели для поддержки принятия решений
строит модели ранжирования
формулирует рекомендации в предметной области по результатам моделирования
проектирует гибридные системы «человек-ИИ»
владеет навыками внедрения LLM-ассистентов и инструментами минимизации алгоритмических рисков

Содержание учебной дисциплины

Введение, основные понятия теории принятия решений
Выбор и ранжирование
Вероятностные графические модели
Обучение с подкреплением
LLM в принятии решений

Элементы контроля

Домашнее задание: ранжирование
На предоставленных преподавателем данных построить модель ранжирования любым алгоритмом, описать выбранный алгоритм и оценить качество ранжирования. Написать отчет о модели, включающий краткое описание алгоритма; построенную модель; оценку качества модели (NDCG/MAP/...); пример ранжирования для примера из тестовой выборки.
Экзамен
Работа представляет собой тест с закрытыми и открытыми вопросами (теоретическими и практическими). Тест может содержать от 15 до 25 вопросов, покрывающих рассмотренные на занятиях темы.
Проект
Проектирование системы с функциональностью для автоматизированного принятия решений с использованием методов, изученных в курсе. Проект может выполняться индивидуально или в группах до трех человек, объединенных общей идеей, но с индивидуальной реализацией методов
Домашнее задание: байесовские сети
Структурированное эссе по возможностям применения вероятностных графических моделей с частичным повторением результатов с помощью симуляции. Необходимо найти любую статью про применение байесовских сетей (не про разработку алгоритмов, а именно про применение в какой-то задаче) и написать короткий отчет с указанием выбранной статьи, описанием задачи, которую решали авторы, и того, каким образом в этой статье построена структура. После этого необходимо повторить (полностью или частично) сеть из статьи и привести примеры вывода по ней
Упражнения
Упражнения из асинхронных материалов и во время синхронных практических занятий

Промежуточная аттестация

2026/2027 4th module
0.2 * Упражнения + 0.2 * Домашнее задание: байесовские сети + 0.2 * Экзамен + 0.1 * Домашнее задание: ранжирование + 0.3 * Проект

Список литературы

Авторы

Суворова Алёна Владимировна

Программа дисциплины