Анализ данных и машинное обучение

2022/2023

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

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

Статус: Маго-лего

Кто читает: Департамент информатики

Когда читается: 1, 2 модуль

Онлайн-часы: 10

Охват аудитории: для своего кампуса

Преподаватели: Суворова Алёна Владимировна

Язык: русский

Кредиты: 6

Контактные часы: 48

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина направлена на изучение студентами 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 построение моделей для решения задач автоматизации и анализа пользователей

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 нейросетевые модели

Содержание учебной дисциплины

Введение, основные понятия анализа данных, анализ данных в HCI
Выводы на основе данных: проверка гипотез и статистические тесты
Сегментация данных
Предсказания на основе данных. Классификация и регрессия
Сложные модели и их применение

Элементы контроля

Экзамен
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)
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).
Эссе
Структурированное эссе по одной из статей, связанных с методологией или применением A/B тестирования. Статья выбирается из предложенного преподавателем списка или самостоятельно студентом по согласованию с преподавателем.
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

2022/2023 учебный год 2 модуль
0.25 * Дневники проекта + 0.1 * Онлайн-курс + 0.25 * Проект + 0.1 * Упражнения + 0.15 * Экзамен + 0.15 * Эссе

Список литературы

Авторы

Суворова Алёна Владимировна

Программа дисциплины