Бакалавриат
2023/2024![Цель освоения дисциплины](/f/src/global/i/edu/objectives.svg)
![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
![Элементы контроля](/f/src/global/i/edu/controls.svg)
![Промежуточная аттестация](/f/src/global/i/edu/intermediate_certification.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Машинное обучение
Статус:
Курс обязательный (Программная инженерия)
Направление:
09.03.04. Программная инженерия
Где читается:
Факультет менеджмента (Пермь)
Когда читается:
3-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для всех кампусов НИУ ВШЭ
Язык:
русский
Кредиты:
6
Контактные часы:
60
Программа дисциплины
Аннотация
Настоящая программа учебной дисциплины устанавливает требования к образовательным результатам и результатам обучения студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих дисциплину «Машинное обучение», учебных ассистентов и студентов направления подготовки 09.03.04 Программная инженерия, 38.03.05 Бизнес-информатика, обучающихся по образовательной программе "Разработка информационных систем для бизнеса".
Цель освоения дисциплины
- закрепление навыков работы на языке Python, знание и понимание задач управления данными, в том числе, загрузка данных, преобразование данных, и предварительный анализ и визуализация данных
- знакомство с основными задачами и моделями машинного обучения, знание методов оценки качества работы различных моделей машинного обучения
- понимание процесса интеграции моделей машинного обучения в рамках задач стоящих перед потенциальными заказчиками
Планируемые результаты обучения
- Владеть навыками анализа реальных данных с помощью изученных методов
- Знать основные модели и методы машинного обучения и разработки данных
- Уметь применять указанные модели и методы, а также программные средства, в которых они реализованы
Содержание учебной дисциплины
- Тема 1.
- Тема 2.
- Тема 3.
- Тема 4.
- Тема 5.
- Тема 6.
- Тема 7.
- Тема 8.
- Тема 9.
- Тема 10.
- Тема 11.
Элементы контроля
- Текущее тестирование после каждого лекционного занятия
- Выполнение заданий на практиках
- Тест по 1 модулю
- Текущее тестирование после каждого лекционного занятия
- Выполнение заданий на практиках
- Экзамен
- Дополнительные баллы
- Оценка за 1 модуль
Промежуточная аттестация
- 2023/2024 учебный год 1 модуль0.5 * Выполнение заданий на практиках + 0.2 * Текущее тестирование после каждого лекционного занятия + 0.3 * Тест по 1 модулю
- 2023/2024 учебный год 2 модуль0.25 * Выполнение заданий на практиках + 0.2 * Дополнительные баллы + 0.25 * Оценка за 1 модуль + 0.1 * Текущее тестирование после каждого лекционного занятия + 0.2 * Экзамен
Список литературы
Рекомендуемая основная 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
Рекомендуемая дополнительная литература
- Trevor Hastie, Robert Tibshirani, & Jerome Friedman. New York. (n.d.). Book Reviews 567 The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.45E1D521