Магистратура
2024/2025
Нейрокомпьютерные технологии и машинное обучение для систем искусственного интеллекта
Статус:
Курс обязательный (Аппаратно-программные комплексы искусственного интеллекта)
Направление:
11.04.02. Инфокоммуникационные технологии и системы связи
Кто читает:
Департамент электронной инженерии
Когда читается:
1-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для всех кампусов НИУ ВШЭ
Прогр. обучения:
Аппаратно-программные комплексы искусственного интеллекта
Язык:
русский
Кредиты:
6
Программа дисциплины
Аннотация
Цель освоения дисциплины состоит в изучении основных методов и моделей машинного обучения и их практическом применении. Рассматриваются основные типы задач обучения с учителем и без: классификация, кластеризация, регрессия. В рамках практических занятий студенты познакомятся с опытом применения данных подходов в высоконагруженных сервисах компании VK. Материалы курса базируются на знаниях, полученных студентами в рамках курсов “Основы статистической теории обнаружения сигналов и распознавания образов в искусственном интеллекте” и взаимосвязан с курсами “Цифровая обработка сигналов для систем искусственного интеллекта” и “Архитектура вычислительных систем и нейроускорителей”
Цель освоения дисциплины
- Целями освоения дисциплины являются: • Научить слушателей основным понятиям и постановкам задач машинного обучения • Дать теоретические основы линейных и логических методов машинного обучения • Познакомить с принципами построения композиций моделей • Познакомить с основными метрикам качества для регрессии и классификации • Научить выполнять полный цикл построения модели • Научить обучать основные модели машинного обучения, оценивать их качества • Научить выполнять кластеризацию и визуализацию данных • Дать базовые знания об архитектурах искусственных нейронных сетей, методах их обучения, проверки.
Планируемые результаты обучения
- Знает принципы построения композиций моделей
- Знает теоретические основы линейных и логических методов машинного обучения
- Умеет выполнять полный цикл построения модели
- Умеет обучать основные модели машинного обучения, оценивать их качества
- Умеет рассчитывать градиент сложной функции и применять градиентные методы для настройки нейронных сетей
- Знает основные понятия и постановки задач машинного обучения
- Умеет выполнять кластеризацию и визуализацию данных
- умеет различать основные виды и архитектуры искусственных нейронных сетей, способы их обучения.
Содержание учебной дисциплины
- Введение в машинное обучение. Основные термины, постановки задач и примеры применения
- Регрессионные методы и модели
- Методы классификации
- Решающие деревья
- Композиции моделей и ансамблирование
- Обучение без учителя
- Продвинутые математические методы машинного обучения
- Ранжирование и рекомендательные системы
- Основы искусственных нейронных сетей
- Продвинутые нейросетевые модели
Промежуточная аттестация
- 2024/2025 2nd module$$Оитог=макс(Опредв,Оэкзам)$$ $$Оэкзам = 0...10$$ $$Опредв=0.1⋅Одз+0.45⋅Окр1+0.45⋅Окр2$$ Если предварительная оценка %%Опредв≥8%%, она может быть выставлена автоматом.
Список литературы
Рекомендуемая основная литература
- A first course in machine learning, Rogers, S., 2012
- Entropy randomization in machine learning, Popkov, Y. S., 2023
- Python для сложных задач: наука о данных и машинное обучение - 978-5-496-03068-7 - Плас Дж. Вандер - 2018 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/356721 - 356721 - iBOOKS
- Rogers, S., & Girolami, M. (2016). A First Course in Machine Learning (Vol. 2nd ed). Milton: Chapman and Hall/CRC. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1399490
- Transformers for machine learning : a deep dive, Kamath, U., 2022
- Вероятностное машинное обучение : введение, Мэрфи, К. П., 2023
- Группировка, корреляция, распознавание образов : Статистические методы классификации и измерения связей, Елисеева, И. И., 1977
- Информационные технологии в радиотехнических системах : учеб. пособие для вузов, Васин, В. А., 2003
- Статистическая радиотехника : примеры и задачи: учеб. пособие для вузов, Горяинов, В. Т., 1980
- Статистическая радиотехника : учебное пособие / В. Б. Кашкин, А. А. Баскова, А. С. Пустошилов, Я. И. Сенченко [и др.]. - Красноярск : Сиб. федер. ун-т, 2020. - 152 с. - ISBN 978-5-7638-4320-0. - Текст : электронный. - URL: https://znanium.com/catalog/product/1818795
- Статистическая радиотехника, Тихонов, В. И., 1982
Рекомендуемая дополнительная литература
- Data mining : practical machine learning tools and techniques, Witten, I. H., 2011
- Foundations of machine learning, Mohri, M., 2012
- Machine learning fundamentals : a concise introduction, Jiang, H., 2021
- Machine learning in action, Harrington, P., 2012
- One-to-one personalization in the age of machine learning : harnessing data to power great customer experiences, Wirth, K., 2017
- Pattern recognition and machine learning, Bishop, C. M., 2006
- The hundred-page machine learning book, Burkov, A., 2019
- Введение в машинное обучение с помощью Python : руководство для специалистов по работе с данными, Мюллер, А., 2018