• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2024/2025

Машинное обучение 2

Направление: 38.03.01. Экономика
Когда читается: 2-й курс, 3, 4 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 6

Программа дисциплины

Аннотация

Методы машинного обучения нашли применение во многих областях и оказали значительное влияние на различные предметные области. В данном курсе рассматриваются основные результаты, достигнутые в обработке естественного языка, обучении с подкреплением и компьютерном зрении. В ходе анализа подходов, позволивших добиться значимых успехов в различных областях, обнаруживается, что они сильно взаимосвязаны и, более того, зачастую могут дополнить друг друга. В данном курсе рассматриваются как теоретические основы существующих подходов к различным задачам, так и их техническая реализация и перспективы для дальнейшего развития.
Цель освоения дисциплины

Цель освоения дисциплины

  • сформировать теоретические и практические знания в области обучения машин, современных методов восстановления зависимостей по эмпирическим данным, включая дискриминантный, кластерный и регрессионный анализ, частичное обучение.
Планируемые результаты обучения

Планируемые результаты обучения

  • знает основные принципы и проблематику теории обучения машин
  • знает основные современные методы обучении по прецедентам — классификации, кластеризации и регрессии.
  • умеет формализовать постановки прикладных задач анализа данных
  • умеет использовать методы обучения по прецедентам для решения практических задач
  • умеет оценивать точность и эффективность полученных решений
  • владеет основными понятиями теории машинного обучения
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в обучение с подкреплением
  • Глубокое обучение в компьютерном зрении
  • Методы обработки естественного языка
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание 1
  • неблокирующий Домашнее задание 2
  • неблокирующий Домашнее задание 3
  • неблокирующий Домашнее задание 4
  • блокирующий Итоговый экзамен
    Если оценка за экзамен меньше 4, студент отправляется на пересдачу Если при устном опросе студент явно не знает на отлично, то оценки отлично за курс не будет даже при выполнении заданий на полный балл. Аналогично, если экзаменатор видит, что знания есть, а оценка не дотягивает, она может быть поднята.
Промежуточная аттестация

Промежуточная аттестация

  • 2024/2025 4th module
    0.1 * Домашнее задание 1 + 0.25 * Домашнее задание 2 + 0.25 * Домашнее задание 3 + 0.2 * Домашнее задание 4 + 0.2 * Итоговый экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Christopher M. Bishop. (n.d.). Australian National University Pattern Recognition and Machine Learning. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.EBA0C705
  • Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning, 2016. URL: http://www.deeplearningbook.org
  • Кремер, Н. Ш.  Математическая статистика : учебник и практикум для вузов / Н. Ш. Кремер. — Москва : Издательство Юрайт, 2023. — 259 с. — (Высшее образование). — ISBN 978-5-534-01654-3. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/511953 (дата обращения: 27.08.2024).

Рекомендуемая дополнительная литература

  • Боровков, А. А. Математическая статистика : учебник для вузов / А. А. Боровков. — 5-е изд., стер. — Санкт-Петербург : Лань, 2021. — 704 с. — ISBN 978-5-8114-7677-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/164711 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Эконометрика. Начальный курс, учебник, 7-е изд., испр., 504 с., Магнус, Я. Р., Катышев, П. К., Пересецкий, А. А., 2005

Авторы

  • Садунова Ася Геворговна
  • Антонова Екатерина Сергеевна