Магистратура
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)
Искусственный интеллект и машинное обучение
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс по выбору (ЛигалТех / Legal Tech)
Направление:
01.04.02. Прикладная математика и информатика
Кто читает:
Департамент права цифровых технологий и биоправа
Где читается:
Факультет права
Когда читается:
2-й курс, 2, 3 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Прогр. обучения:
ЛигалТех
Язык:
русский
Кредиты:
6
Контактные часы:
48
Программа дисциплины
Аннотация
Этот курс поможет студентам освоить современные и классические способы решения бизнес-задач на основе алгоритмов машинного обучения. После окончания курса студенты смогут использовать машинное обучение для решения задач по анализу данных.
— Проблема искусственного интеллекта
— Основания: логика, алгоритмы, сложность вычислений
— Рекомендательные системы
— Метод опорных векторов
— Байесовские методы машинного обучения
— Задачи кластеризации
Цель освоения дисциплины
- Студенты должны освоить современные и классические способы решения бизнес-задач на основе алгоритмов машинного обучения, научиться использовать нейронные сети для решения задач по анализу данных
Планируемые результаты обучения
- умение подготовить данные для решения задач NLP
- Применять NLP-библиотеки и инструменты для обработки текстов
- Автоматизировать рабочий процесс машинного обучения с использованием конвейера
- Оценивать результаты и интерпретировать выводы, полученные при анализе текстов с помощью NLP
- Применять базовые методы NLP для обработки данных
- Использовать методы извлечения именованных сущностей
- Работать со статистическими метриками и описательной статистикой
- Использовать алгоритмы классификации, регрессии и кластеризации для различных задач
- Реализовывать различные подходы машинного обучения с учетом имеющихся данных
- Применять тематические модели для выявления скрытых тематик в текстовых данных и использовать их для анализа и классификации документов.
- Визуализировать и интерпретировать результаты тематических моделей и анализа тональности.
- Использовать готовые модели и обучать собственные
- Оценивать качество моделей обучения
- Применять методы оптимизации и решать проблемы переобучения.
- Применять алгоритмы машинного обучения для разработки моделей языка и генеративных моделей в области NLP.
- Проводить предварительную обработку текста с использованием соответствующих инструментов и библиотек, для подготовки текстовых данных к обучению моделей генерации текста.
- Оценивать и улучшать качество генерируемых текстов.
Содержание учебной дисциплины
- Раздел 1. Введение в машинное обучение и обработку естественного языка (NLP)
- Раздел 2. Сбор, очистка и обработка данных
- Раздел 3. Применение статистики в ML и визуализация данных. Методы машинного обучения
- Раздел 4. Тематическое моделирование и анализ тональности
- Раздел 5. Основы нейронных сетей. Архитектуры нейронных сетей , часть 1: CNN, RNN, LSTM
- Раздел 6. Архитектуры нейронных сетей , часть 2: Transformer, BERT, RoBERTa, GPT. Генерация юридических текстов и автоматизированное составление документов с помощью NLP
Элементы контроля
- Проектное заданиеРезультатом работы студента должна являться ссылка на блокнот в Google Colab. Название файла должно содержать номер группы, фамилию, имя и название занятия. Перед отправкой выставляются настройки доступа к документу: «Поделиться», раздел «Общий доступ», «Все, у кого есть ссылка», уровень доступа «Комментатор». Далее отправляется ссылка на файл с проектом в форму в LMS. Преподаватель в течение недели оставляет обратную связь на выполненную работу.
- Итоговое заданиеРезультатом работы студента должна являться ссылка на блокнот в Google Colab. Название файла должно содержать номер группы, фамилию, имя и название занятия. Перед отправкой выставляются настройки доступа к документу: «Поделиться», раздел «Общий доступ», «Все, у кого есть ссылка», уровень доступа «Комментатор». Далее отправляется ссылка на файл с проектом в форму в LMS. Ссылка на файл с заданием отправляется в форму в LMS за неделю до заключительного вебинара. Преподаватель в течение недели смотрит выполненные работы, а затем на заключительном вебинаре заслушивает доклады проектов. Доклад должен быть представлен в виде демонстрации блокнота по ключевым аспектам.
Промежуточная аттестация
- 2023/2024 учебный год 3 модуль0.5 * Итоговое задание + 0.5 * Проектное задание
Список литературы
Рекомендуемая основная литература
- Иванов, В. М. Интеллектуальные системы : учебное пособие для вузов / В. М. Иванов ; под научной редакцией А. Н. Сесекина. — Москва : Издательство Юрайт, 2022. — 91 с. — (Высшее образование). — ISBN 978-5-534-00551-6. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/492094 (дата обращения: 28.08.2023).
- Иванов, В. М. Интеллектуальные системы : учебное пособие для среднего профессионального образования / В. М. Иванов ; под научной редакцией А. Н. Сесекина. — Москва : Издательство Юрайт, 2023. — 93 с. — (Профессиональное образование). — ISBN 978-5-534-07819-0. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/516865 (дата обращения: 28.08.2023).
- Платонов, А. В. Машинное обучение : учебное пособие для вузов / А. В. Платонов. — Москва : Издательство Юрайт, 2023. — 85 с. — (Высшее образование). — ISBN 978-5-534-15561-7. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/520544 (дата обращения: 28.08.2023).
Рекомендуемая дополнительная литература
- Андрей Бурков - Машинное обучение без лишних слов - 978-5-4461-1560-0 - Санкт-Петербург: Питер - 2020 - 367991 - https://ibooks.ru/bookshelf/367991/reading - iBOOKS
- Загорулько, Ю. А. Искусственный интеллект. Инженерия знаний : учебное пособие для вузов / Ю. А. Загорулько, Г. Б. Загорулько. — Москва : Издательство Юрайт, 2022. — 93 с. — (Высшее образование). — ISBN 978-5-534-07198-6. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/494205 (дата обращения: 28.08.2023).
- Колмогорова, С. С. Основы искусственного интеллекта : учебное пособие для студентов / С. С. Колмогорова. — Санкт-Петербург : СПбГЛТУ, 2022. — 108 с. — ISBN 978-5-9239-1308-8. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/257804 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.