Бакалавриат 2024/2025

Дополнительные главы машинного обучения

Статус: Курс по выбору (Прикладная математика и информатика)

Кто читает: Базовая кафедра Яндекс

Когда читается: 3-й курс, 3, 4 модуль

Охват аудитории: для своего кампуса

Преподаватели: Ким Сергей Вячеславович

Язык: русский

Программа дисциплины

Аннотация

Курс предназначен для студентов, которые желают заполнить пробелы в своем образовании по практическим аспектам работы с моделями и данными. В отличие от классических курсов по машинному обучению, которые фокусируются на теоретических знаниях и алгоритмах, этот курс ориентирован на развитие ключевых навыков, которые часто остаются за пределами учебной программы

Цель освоения дисциплины

• воспроизводимость экспериментов и управление версиями
• оценка моделей, управление метриками, интерпретация моделей и мониторинг их производительности
• практические аспекты вывода модели и ее развертывания в продакшене
• основы проектирования систем машинного обучения
• подготовка инфраструктуры обучения для командной работы

Планируемые результаты обучения

• свести задачу к постановке машинного обучения
• анализировать данные
• строить проект, учитывая командную работу
• понимать проблемы, возникающие по ходу разработки

Содержание учебной дисциплины

• Ликбез: математика и интуиция
• Инфраструктура: хороший код, хорошие паттерны
• Докер для разработки и деплоя
• Анализ данных: куда смотреть (глазами недостатки разметки, pca, t-sna, эмбеды, active learning)
• Инфраструктура экспериментов: какие стадии прототипирования, что визуализируем
• Обучение моделей: параллелизация
• Разметка данных: как размечать, как выбирать
• Основы ГПУ + аттеншен + его ускорение
• Основы сетей + веб апп
• Инференс моделей: сжимание
• Гостевая лекция sdg:

Элементы контроля

• Групповой проект 1
  Аналитика данных
• Групповой проект 2
  Построение базового прототипа (baseline): финализация метрик
• Групповой проект 3
  Построение инфраструктуры для множественного запуска воспроизводимых экспериментов
• Групповой проект 4
  Подготовка модели к выводу в продакшен
• Финальная защита
  Публичная защита проекта

Промежуточная аттестация

• 2024/2025 4th module
  0.175 * Групповой проект 1 + 0.175 * Групповой проект 2 + 0.175 * Групповой проект 3 + 0.175 * Групповой проект 4 + 0.3 * Финальная защита

Список литературы

Рекомендуемая основная литература

• Richert, W., & Coelho, L. P. (2013). Building Machine Learning Systems with Python. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=619996

Рекомендуемая дополнительная литература

• Машинное обучение без лишних слов - 978-5-4461-1560-0 - Андрей Бурков - 2020 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/367991 - 367991 - iBOOKS

Авторы

• Волкова Вера Константиновна
• Фисенко Анна Сергеевна