Прикладное машинное обучение

Информация об авторах

Халиева Хава Сеитхамзатовна – старший преподаватель кафедры «Информатика и вычислительная техника»

Цели и задачи дисциплины

Цели дисциплины: приобретение навыков построения композиций алгоритмов; получение представлений о современном состоянии машинного обучения; знакомство с рекомендательными системами; изучение современных прикладных методов и технологий машинного обучения.

Задачи дисциплины:

- изучение основных понятиях задач машинного обучения; знакомство с методами решения задач классификации и регрессии: освоение методов оценки качества работы алгоритмов; знакомство с методами сбора и разметки данных; изучение способов оценки информативности закономерностей и поиска информативных закономерностей.

Длительность изучения дисциплины: 17 недель

Трудоемкость дисциплины: 5 зачетных единицы

В результате освоения дисциплины студент должен:

Знать:

- языки программирования и языки работы с базами данных; операционные системы и оболочки, современные программные среды разработки информационных систем и технологий для автоматизации бизнес-процессов; требования и их классификацию; этапы жизненного цикла разработки программного обеспечения; основные методологии (Agile, Waterfall, Scrum и т.д.) и подходы к сбору требований.

Уметь:

- разрабатывать программные модули с использованием выбранного языка программирования; использовать библиотеки и фреймворки для ускорения разработки и упрощения кода.

Владеть:

-методами проектирования и архитектуры программных систем; способностью быстрой адаптации к новым технологиям и инструментам, необходимых для успешного выполнения задач разработки.

Структура дисциплины

Теоретический

материал

Количество модулей – 2

Количество тем/лекций в каждом модуле -  4;4.

Практический

материал

По данной дисциплине предусматривается выполнение лабораторных работ к двум рассматриваемым модулям.

Контрольно-измерительные материалы

В комплекте тестовых заданий имеется по 30 вопросов к каждому модулю, на ответы отводится 40 минут.

Модуль

Темы/Лекции

Материалы для сопровождения дисциплины

Контрольно- измерительные материалы

Направления подготовки

Модуль 1.

1.Теоретические основы машинного обучения.

2.Этапы жизненного цикла проекта машинного обучения.

3.Сбор и подготовка данных в машинном обучении.

4.Исследовательский анализ данных (EDA) в машинном обучении.

1. Презентация

2. Лабораторные работы

Тест

ИВТ

(бакалавриат)

Модуль 2.

1.Извлечение признаков и сокращение размерности.

2.Алгоритмы классификации. Введение в классификацию.

3.Алгоритмы регрессии.

4.Глубокое обучение.

1. Презентация

2. Лабораторные работы

Тест