Машинное обучение

Бакалавриат 2024/2025

Статус: Курс обязательный (Информационная безопасность)

Направление: 10.03.01. Информационная безопасность

Кто читает: Кафедра информационной безопасности киберфизических систем

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

Когда читается: 3-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Иванов Федор Ильич

Язык: русский

Кредиты: 6

Контактные часы: 60

Полная версия программы учебной дисциплины

Аннотация

Дисциплина «Машинное обучение» 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 «Машинное обучение» 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.

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

Владеет методами машинного обучения и популярными программными пакетами для решения практических задач машинного обучения.
Знает наиболее популярные направления исследований в машинном обучении.
Знает понятия и методы машинного обучения, которые могут быть полезны для дальнейшего изучения соответствующих дисциплин, а также для применения в профессиональной деятельности.
Умеет выбирать методы машинного обучения для решения задач в области профессиональной деятельности.

Содержание учебной дисциплины

Введение в машинное обучение
Статистические оценки и проверка гипотез
Машинное обучение как математическое моделирование
Введение в линейные модели и задача регрессии
Линейные модели и задача классификации
Выбор и оценка моделей, работа с признаками
Признаковые представления для дискретных входных данных
Снижение размерности

Элементы контроля

домашняя работа по теме "алгоритмы статистической классификации"
домашнее задание на тему "метрические методы классификации"
домашнее задание по теме "методы восстановления регрессии"
экзамен

Промежуточная аттестация

2024/2025 1st module
0.5 * домашнее задание на тему "метрические методы классификации" + 0.5 * домашняя работа по теме "алгоритмы статистической классификации"
2024/2025 2nd module
0.5 * домашнее задание по теме "методы восстановления регрессии" + 0.5 * экзамен

Список литературы

Авторы

Иванов Федор Ильич
Аксенова Ольга Вениаминовна

Программа дисциплины