Бакалавриат
2021/2022
Анализ и разработка данных
Статус:
Курс по выбору (Программная инженерия)
Направление:
09.03.04. Программная инженерия
Когда читается:
4-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Досов Санжар Музаффарович
Язык:
русский
Кредиты:
5
Контактные часы:
60
Программа дисциплины
Аннотация
Настоящая дисциплина относится к циклу дисциплин, обеспечивающих подготовку бакалавра по направлению «Программная инженерия». Изучение данной дисциплины базируется на знаниях, полученных при освоении дисциплин: линейная алгебра и геометрия, математический анализ, дискретная математика, математическая статистика, программирование
Цель освоения дисциплины
- Целью освоения дисциплины «Анализ и разработка данных» является получение высшего профессионально профилированного (на уровне бакалавра) образования, позволяющего выпускнику успешно работать в избранной сфере деятельности, обладать универсальными и предметно-специализированными компетенциями, способствующими его социальной мобильности и устойчивости на рынке труда
Планируемые результаты обучения
- Знать вероятностную модель байесовского классификатора
- Знать концепцию вероятностного происхождения данных
- Знать общие концепции анализа данных
- Знать общие линейные классификаторы, метод опорных векторов с жесткими и мягкими границами
- Знать общие принципы обучения с подкреплением
- Знать общие принципы построения нейронных сетей
- Знать особенности глубоких нейронных сетей
- Знать принципы построения деревьев решений, ансамбли решающих правил
Содержание учебной дисциплины
- Тема № 1. Введение. Примеры практических задач
- Тема №2. Вероятностная постановка задачи обучения с учителем
- Тема №3. Наивный байесовский классификатор
- Тема № 4. Метод опорных векторов
- Тема № 5. Деревья решений. Ансамбли решающих правил
- Тема № 6. Нейронные сети
- Тема № 7. Глубокое обучение
- Тема № 8. Обучение с подкреплением
Промежуточная аттестация
- 2021/2022 учебный год 2 модуль0.5 * Экзамен + 0.3 * Контрольная работа + 0.2 * Домашнее задание
Список литературы
Рекомендуемая основная литература
- 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
Рекомендуемая дополнительная литература
- 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
- Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning, 2016. URL: http://www.deeplearningbook.org