Нейрокомпьютерные технологии и машинное обучение для систем искусственного интеллекта

2024/2025

Статус: Маго-лего

Кто читает: Департамент электронной инженерии

Когда читается: 1, 2 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Вартанов Сергей Александрович, Нефедов Сергей Игоревич

Язык: русский

Кредиты: 6

Полная версия программы учебной 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

Элементы контроля

Экзамен
Контрольная работа1
А
Контрольная работа2
Домашние задания

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

Авторы

Нефедов Сергей Игоревич
Вартанов Сергей Александрович

Программа дисциплины