2023/2024
Машинное обучение в прикладных задачах
Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Статус:
Дисциплина общефакультетского пула
Кто читает:
Департамент прикладной математики
Когда читается:
3 модуль
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Тимохин Илья Сергеевич
Язык:
русский
Кредиты:
4
Контактные часы:
40
Программа дисциплины
Аннотация
Целью освоения дисциплины является изучение основных понятий и терминологии научного подхода по извлечению нового знания из данных большого объема. Помимо классических методов машинного обучения, в курсе представлен блок по анализу сетевых данных. Акцент делается на алгоритмические и вычислительные аспекты, так что студент дополнительно получает навыки программирования на высокоуровневом языке Python, с помощью которого иллюстрируются все построения. .
Цель освоения дисциплины
- ознакомление студентов с теоретическими основами и базовыми принципами машинного обучения, а именно с классами моделей (линейных, логических, нейронных сетей), метриками оценки качества и подходами к предварительной обработке данных;
- формирование у студентов практических навыков работы с данными и решения прикладных задач анализа данных.
Планируемые результаты обучения
- Знает: концепции и методы машинного обучения, которые могут быть полезны для дальнейшего изучения соответствующих дисциплин, а также для применения в профессиональной деятельности.
- Знает: самые популярные направления исследований в области машинного обучения.
- Умеет: выбирать методы машинного обучения для решения задач в сфере профессиональной деятельности.
- Приобретает навыки в выборе методов машинного обучения и популярных программных пакетов для решения практических задач машинного обучения.
Содержание учебной дисциплины
- Введение в машинное обучение.
- Линейные модели и проблема классификации. Уменьшение размерности данных.
- Проблема регрессии данных. Регрессионный анализ.
- Выбор и оценка моделей, работа с особенностями.
- Кластеризация данных.
Список литературы
Рекомендуемая основная литература
- Флах, П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных / П. Флах. — Москва : ДМК Пресс, 2015. — 400 с. — ISBN 978-5-97060-273-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/69955 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Рекомендуемая дополнительная литература
- Коэльо, Л. П. Построение систем машинного обучения на языке Python / Л. П. Коэльо, В. Ричарт , перевод с английского А. А. Слинкин. — 2-е изд. — Москва : ДМК Пресс, 2016. — 302 с. — ISBN 978-5-97060-330-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/82818 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.