Bachelor
2025/2026
Research Seminar "Machine Learning and Applications 2"
Type:
Elective course (Computing and Data Science)
Delivered by:
Big Data and Information Retrieval School
Where:
Faculty of Computer Science
When:
4 year, 1-3 module
Open to:
students of one campus
Language:
English
ECTS credits:
6
Contact hours:
48
Course Syllabus
Abstract
Курс посвящен научному разделу машинного и глубинного обучения. После нескольких вводных классических статей упор делается на материалы последних 2-3 лет, относящихся непосредственно к текущему направлению исследования.
Learning Objectives
- Уметь читать научные статьи по машинному и глубинному обучению
- Уметь выделять основные их идеи и преподносить не ознакомленному слушателю
- Уметь оценивать сложность статьи и качество презентации
- Уметь работать с кодом к этим статьям / имплементировать их самим
- Знать ключевые статьи по основным разделам глубинного обучения
- Понимать текущие тенденции в научном глубинном обучении
Expected Learning Outcomes
- Знать основные задачи в области современных исследований в машинном обучении (классификация, регрессия, сегментация, прогнозирование и т.д.).
- Знать современные алгоритмы и модели, рассматриваемые в научных статьях (сверточные нейронные сети, рекуррентные нейронные сети, бустинг, коллаборативная фильтрация, REINFORCE и т.д.), знать преимущества и недостатки моделей данных типов.
- Уметь готовить и проводить выступление с докладом на научную тему, а также вести дискуссию по материалам доклада.
- Уметь писать научные тексты.
- Уметь самостоятельно выбирать и изучать современные научные статьи, находить релевантную литературу.
- Студент может без дополнительной подготовки разобраться с научной статьей по глубинному обучению и презентовать ее другим.
- Студент умеет оценивать сложность статьи, качество ее презентации и сложность написания кода по ней.
Course Contents
- Приглашенные доклады.
- Выступления студентов с научными докладами.
- Научные тексты и их оформление.
- Знакомство, обсуждение пожеланий в особенностях курса (проводится впервые), обсуждение пререквизитов и подбор на основе этого списка статей
- Презентации статей
Interim Assessment
- 2025/2026 2nd moduleИтог = Округление(0.6 * П + 0.1 * Р + 0.3 * Э), где П — средняя оценка за все презентации, Р — оценка за ревью (отнормированная до 10), Э — оценка за экзамен.
- 2025/2026 3rd moduleИтог = Округление(0.6 * П + 0.1 * Р + 0.3 * Э), где П — средняя оценка за все презентации, Р — оценка за ревью (отнормированная до 10), Э — оценка за экзамен.
Bibliography
Recommended Core Bibliography
- 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
- Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008
- Гудфеллоу, Я. Глубокое обучение / Я. Гудфеллоу, И. Бенджио, А. Курвилль , перевод с английского А. А. Слинкина. — 2-е изд. — Москва : ДМК Пресс, 2018. — 652 с. — ISBN 978-5-97060-618-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/107901 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Платонов, А. В. Машинное обучение : учебное пособие для вузов / А. В. Платонов. — Москва : Издательство Юрайт, 2023. — 85 с. — (Высшее образование). — ISBN 978-5-534-15561-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/520544 (дата обращения: 04.07.2025).
Recommended Additional Bibliography
- James, G. et al. An introduction to statistical learning. – Springer, 2013. – 426 pp.
- Машинное обучение. Паттерны проектирования: Пер. с англ. / В. Лакшманан, С. Робинсон, М. Мунн. - 978-5-9775-6797-8 - Лакшманан В. - 2022 - Санкт-Петербург: БХВ-Петербург - https://ibooks.ru/bookshelf/385740 - 385740 - iBOOKS