Бакалавриат
2024/2025
Машинное обучение 1
Статус:
Курс по выбору (Совместная программа по экономике НИУ ВШЭ и РЭШ)
Направление:
38.03.01. Экономика
Где читается:
Факультет экономических наук
Когда читается:
3-й курс, 1, 2 модуль
Формат изучения:
с онлайн-курсом
Онлайн-часы:
50
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
6
Программа дисциплины
Аннотация
Курс предназначен для студентов бакалавриата. В ходе курса будут рассмотрены темы, дающие представление об основных понятиях и постановке задач машинного обучения. Студенты научатся выполнять полный цикл построения модели, обучать модели и оценивать их качества, смогут выполнять кластеризацию и визуализацию данных.
Цель освоения дисциплины
- Знает основные понятия и постановки задач машинного обучения
- Знает теоретические основы линейных и логических методов машинного обучения
- Знает принципы построения композиций моделей
- Знает основные метрики качества для регрессии и классификации
- Умеет выполнять полный цикл построения модели
- Умеет обучать основные модели машинного обучения, оценивать их качества
- Умеет выполнять кластеризацию и визуализацию данных
Планируемые результаты обучения
- Знает основные понятия и постановки задач машинного обучения
- Умеет выполнять кластеризацию и визуализацию данных
- Знает основные метрики качества для регрессии и классификации
- Знает принципы построения композиций моделей
- Знает теоретические основы линейных, логических и нейросетевых методов машинного обучения
- Умеет выполнять полный цикл построения модели
- Умеет обучать основные модели машинного обучения, оценивать их качество
Содержание учебной дисциплины
- Введение в машинное обучение и анализ данных
- Линейные модели
- Решающие деревья
- Композиции моделей
Промежуточная аттестация
- 2024/2025 2nd moduleВ курсе предусмотрено несколько форм контроля знаний: Практические домашние работы на Python или с теоретическими задачами (всего 6-8 домашних работ) Контрольная работа в середине курса Письменный экзамен Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен: Oитоговая = Округление(0.6 * ДЗ + 0.2 * КР + 0.2 * Э) ДЗ — средняя оценка за практические домашние задания КР — оценка за контрольную работу Э — оценка за экзамен
Список литературы
Рекомендуемая основная литература
- Robert A. Beezer, T. Hastie, R. Tibshirani, & J. Friedman Springer. (2002). The Elements of Statistical Learning: Data Mining, Inference and Prediction. By. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.C9BC2266
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