Научно-исследовательский семинар "Машинное обучение и приложения"

Магистратура 2020/2021

Статус: Курс обязательный (Программирование и анализ данных)

Направление: 01.04.02. Прикладная математика и информатика

Кто читает: Департамент информатики

Где читается: Санкт-Петербургская школа физико-математических и компьютерных наук

Когда читается: 1-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Мухин Михаил Сергеевич, Омельченко Александр Владимирович

Прогр. обучения: Программирование и анализ данных

Язык: русский

Кредиты: 4

Контактные часы: 20

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Является обязательной дисциплиной. Целями освоения дисциплины являются:  развитие навыков участия в научно-исследовательской деятельности;  знакомство с современными методами машинного обучения и их практическими применениями;  развитие навыков презентации результатов исследования и оформления презентационных материалов. Настоящая дисциплина относится к циклу дисциплин проектной и исследовательской работы и блоку дисциплин, обеспечивающих магистерскую подготовку. Основные положения дисциплины должны быть использованы в дальнейшем при изучении любых дисциплин, связанных с научно-исследовательской деятельностью студентов, а так же при подготовке ВКР.

Цель освоения дисциплины

Целями освоения дисциплины Научно-исследовательский семинар " Машинное обучение и приложения" являются: • развитие навыков участия в научно-исследовательской деятельности; • знакомство с современными методами машинного обучения и их практическими применениями; • развитие навыков презентации результатов исследования и оформления презентаци-онных материалов.

Планируемые результаты обучения

Знает классические методы машинного обучения и владеет понятием практических прикладных задач. Применяет широкий спектр регрессий: линейные, логистиче-ские, LASSO, ElasticNet. Владеет понятиями регуляризации и переобучения.
Проводит анализ статей посвященных нейронным сетям и методам их обучения. Знает о практическом применении нейронных сетей в задачах распознавания образов или речи и в других областях. Владеет понятием обработки текста.
Анализирует статьи реализации методов машинного обучения в "промышленных" задачах. Разбирается в вопросах нагрузки и отказоустойчивости. Владеет понятием обучения нейросетей на процессорах и видеокартах. Знает особенности инфраструктуры.

Содержание учебной дисциплины

Классические методы машинного обучения и практические прикладные задачи
Применение широкого спектра регрессий: линейные, логистические, LASSO, ElasticNet. Вопросы регуляризации и переобучения
Классические методы машинного обучения и практические прикладные задачи
Деревья, беггинг и бустинг.
Глубокое обучение и его применение
Анализ статей посвященных нейронным сетям и методам их обучения. Практическое при-менение нейронных сетей в задачах распознавания образов или речи и в других областях.
Глубокое обучение и его применение
Обработка текста.
Технологические вопросы применения методов машинного обучения
Анализ статей и разбор реальных практик реализации методов машинного обучения в "про-мышленных" задачах.
Технологические вопросы применения методов машинного обучения
Вопросы нагрузки и отказоустойчивости. Обучение нейросетей на процессорах и видеокартах. Особенности инфраструктуры.

Элементы контроля

Эссе
Аудиторная работа
Экзамен
Экзамен проводится в письменной форме с использованием синхронного прокторинга и состоит из ответов на два теоретических вопроса. Экзамен проводится на платформе Moodle (https://et.hse.ru), прокторинг на платформе Экзамус (https://hse.student.examus.net). К экзамену необходимо подключиться за 15 минут. На платформе Экзамус доступно тестирование системы. Компьютер студента должен удовлетворять следующим требованиям: https://elearning.hse.ru/data/2020/05/07/1544135594/Технические%20требования%20к%20ПК%20студента.pdf) Для участия в экзамене студент обязан: заранее зайти на платформу прокторинга, провести тест системы, включить камеру и микрофон, подтвердить личность. Время выполнения задания два часа. Время начала экзамена 11:00, завершение в 13:00. Во время выполнения студент записывает свой ответ на чистом листе бумаги, после фотографирует и высылает решение фотографию на электронную почту преподавателя. На отсылку решения дается 5 минут по завершении экзамена. Во время экзамена студентам запрещено: общаться (в социальных сетях, с людьми в комнате), списывать, использовать любые материалы. Во время экзамена студентам разрешено иметь при себе ручку и чистые листы бумаги, во время отправки решений разрешается использовать мобильный телефон или сканер. Кратковременным нарушением связи во время экзамена считается прерывание связи до 5 минут, если после этого студенту удается вернуться в ту же сессию работы с Экзамус. Долговременным нарушением связи во время экзамена считается прерывание связи 5 минут и более. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи аналогична процедуре сдачи.

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
0.3 * Аудиторная работа + 0.4 * Экзамен + 0.3 * Эссе

Программа дисциплины