Бакалавриат
2024/2025
Машинное обучение
ID 824087
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Статус:
Курс обязательный (Информационная безопасность)
Направление:
10.03.01. Информационная безопасность
Когда читается:
3-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
6
Программа дисциплины
Аннотация
Дисциплина «Машинное обучение» изучает класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Целью освоения дисциплины «Методы машинного обучения» является ознакомление студентов с теоретическими основами и основными принципами машинного обучения — а именно, с классами моделей (линейные, логические, нейросетевые), метриками качествами и подходами к подготовке данных. В рамках дисциплины изучаются методы проверки статистических гипотез, линейные модели регрессии, классификации и кластеризации, ансамбли и деревья решений, нейросетевые технологии машинного обучения. Дисциплина «Машинное обучение» дает знания, необходимые для последующего прохождения преддипломной практики и подготовки ВКР. При обучении предусмотрен контроль знаний студентов в виде домашнего задания, контрольных, самостоятельных работ и экзамена.
Цель освоения дисциплины
- - ознакомление студентов с теоретическими основами и основными принципами машинного обучения — а именно, с классами моделей (линейные, логические, нейросетевые), метриками качествами и подходами к подготовке данных;
- - формирование у студентов практических навыков работы с данными и решения прикладных задач анализа данных.
Планируемые результаты обучения
- Владеет методами машинного обучения и популярными программными пакетами для решения практических задач машинного обучения.
- Знает наиболее популярные направления исследований в машинном обучении.
- Знает понятия и методы машинного обучения, которые могут быть полезны для дальнейшего изучения соответствующих дисциплин, а также для применения в профессиональной деятельности.
- Умеет выбирать методы машинного обучения для решения задач в области профессиональной деятельности.
Содержание учебной дисциплины
- Введение в машинное обучение
- Статистические оценки и проверка гипотез
- Машинное обучение как математическое моделирование
- Введение в линейные модели и задача регрессии
- Линейные модели и задача классификации
- Выбор и оценка моделей, работа с признаками
- Признаковые представления для дискретных входных данных
- Снижение размерности
Элементы контроля
- домашняя работа по теме "алгоритмы статистической классификации"
- домашнее задание на тему "метрические методы классификации"
- домашнее задание по теме "методы восстановления регрессии"
- экзамен
Промежуточная аттестация
- 2024/2025 1st module0.5 * домашнее задание на тему "метрические методы классификации" + 0.5 * домашняя работа по теме "алгоритмы статистической классификации"
- 2024/2025 2nd module0.5 * экзамен + 0.5 * домашнее задание по теме "методы восстановления регрессии"
Список литературы
Рекомендуемая основная литература
- Математические основы машинного обучения и прогнозирования - Вьюгин В.В. - Московский центр непрерывного математического образования - 978-5-4439-2014-6 - 2014 - русский - https://e.lanbook.com/book/56397 - ЛАНЬ - 56397
- Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных - Флах П. - Издательство "ДМК Пресс" - 978-5-97060-273-7 - 2015 - русский - https://e.lanbook.com/book/69955 - ЛАНЬ - 69955
Рекомендуемая дополнительная литература
- Построение систем машинного обучения на языке Python - Коэльо Л.П., Ричарт В. - Издательство "ДМК Пресс" - 978-5-97060-330-7 - 2016 - русский - https://e.lanbook.com/book/82818 - ЛАНЬ - 82818