Введение в машинное обучение и анализ данных

Информация об авторах

Ахматсултанов Асланбек Юпаевич - ассистент кафедры «Информационные системы в экономике»

Цели и задачи дисциплины

Цели  дисциплины:  формирование у магистрантов  теоретических знаний и практических навыков по основам машинного обучения, овладение студентами инструментарием, моделями и методами машинного обучения, а также приобретение навыков исследователя данных (data scientist) и разработчика математических моделей, методов и алгоритмов анализа данных.

Задачи дисциплины:

-изучение основ машинного обучения для построения формальных математических моделей и интерпретации результатов моделирования; выработка практических навыков применения методов машинного обучения при решении прикладных задач в различных областях; получение навыков использования библиотек языка Python для разработки систем машинного обучения.

Длительность изучения дисциплины: 3 недели

Трудоемкость дисциплины: 6 зачетных единиц

В результате освоения дисциплины студент должен:

Знать:

-  способы осуществления стратегического планирования, с использованием современных методов анализа данных.

Уметь:

- самостоятельно выбирать и обосновывать выбор программного инструментов сбора и анализа данных.

Владеть:

- методами стратегического планирования и прогнозирования в профессиональной деятельности.

Структура дисциплины

Теоретический

материал

Количество модулей – 2

Количество тем/лекций в каждом модуле- 5;4.

Практический

материал

По данной дисциплине предусматривается выполнение лабораторных работ по двум модулям. Всего 9 лабораторных работ.

Контрольно-измерительные материалы

В комплекте тестовых заданий имеется по 20 вопросов к каждому модулю, на ответы отводится 60 минут.

Модуль

Темы/Лекции

Материалы для сопровождения дисциплины

Контрольно- измерительные материалы

Направления подготовки

Модуль 1

Python для машинного обучения и анализа данных.

1. Введение в программирование.

2. Ветвление и циклы.

3. Функции и типы данных.

4. Работа с файлами и модули.

5.Объектно-ориентированное программирование.

1. Презентация

2. Лабораторные работы

Тест

БИН (Магистратура)

Модуль 2

Машинное обучение.

1. Введение в машинное обучение.

2. Методы машинного обучения.

3. Нейронные сети.

4. Типы данных и конструирования признаков.

1. Презентация

2. Лабораторные работы

Тест