Бакалавриат 2024/2025

Методы машинного обучения

Статус: Курс обязательный (Инфокоммуникационные технологии и системы связи)

Направление: 11.03.02. Инфокоммуникационные технологии и системы связи

Кто читает: Департамент электронной инженерии

Где читается: Московский институт электроники и математики им. А.Н. Тихонова

Когда читается: 3-й курс, 2, 3 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Вартанов Сергей Александрович

Язык: русский

Кредиты: 3

Программа дисциплины

Аннотация

Дисциплина «Методы машинного обучения» изучает класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Целью освоения дисциплины «Методы машинного обучения» является ознакомление студентов с теоретическими основами и основными принципами машинного обучения — а именно, с классами моделей (линейные, логические, нейросетевые), метриками качествами и подходами к подготовке данных. В рамках дисциплины изучаются методы проверки статистических гипотез, линейные модели регрессии, классификации и кластеризации, ансамбли и деревья решений, нейросетевые технологии машинного обучения. Дисциплина «Методы машинного обучения» дает знания, необходимые для последующего прохождения преддипломной практики и подготовки ВКР. При обучении предусмотрен контроль знаний студентов в виде домашнего задания, контрольных, самостоятельных работ и экзамена. Изучение дисциплины предусматривает владение знаниями в области теории вероятности и математической статистики, программирование на Python и математического анализа.

Цель освоения дисциплины

• Ознакомление студентов с теоретическими основами и основными принципами машинного обучения — а именно, с классами моделей (линейные, логические, нейросетевые), метриками качествами и подходами к подготовке данных. формирование у студентов практических навыков работы с данными и решения прикладных задач анализа данных.

Планируемые результаты обучения

• Создание простых моделей машинного обучения. Использование библиотеки scikit-learn
• Знает основные байесовские модели, используемые для решения различных задач машинного обучения (смеси распределений, модель релевантных векторов, LDA и т.д.).
• Студент строит линейную модель по описанию задачи и решает задачу
• Студент умеет строить линейные модели регрессии и классификации и решать их различными методами, а также оценивать качество построенных моделей

Содержание учебной дисциплины

• Введение в машинное обучение. Основные термины, постановки задач и примеры применения
• Линейные модели регрессии и классификации
• Логические методы классификации
• Композиции моделей и ансамблирование
• Обучение без учителя
• Критерии выбора моделей и методы отбора признаков
• Введение в искусственные нейронные сети

Элементы контроля

• Контрольная работа номер 2
  Контрольная работа по темам, пройденным в 3 модуле
• Финальный экзамен
• Контрольная работа номер 1
  Контрольная работа включает в себя задания по темам, пройденным в во втором модуле учебного года
• Посещаемость и семинарская активность

Промежуточная аттестация

• 2024/2025 3rd module
  0.2 * Контрольная работа номер 1 + 0.2 * Контрольная работа номер 2 + 0.05 * Посещаемость и семинарская активность + 0.05 * Посещаемость и семинарская активность + 0.5 * Финальный экзамен

Список литературы

Рекомендуемая основная литература

• A first course in machine learning, Rogers, S., 2012
• Foundations of machine learning, Mohri, M., 2012
• 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
• Machine learning : a probabilistic perspective, Murphy, K. P., 2012
• Mehryar Mohri, Afshin Rostamizadeh, & Ameet Talwalkar. (2018). Foundations of Machine Learning, Second Edition. The MIT Press.
• 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: 27.08.2024).

Рекомендуемая дополнительная литература

• Pattern recognition and machine learning, Bishop, C. M., 2006

Авторы

• Вартанов Сергей Александрович