Дополнительные главы машинного обучения

Магистратура 2021/2022

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Программирование и анализ данных)

Направление: 01.04.02. Прикладная математика и информатика

Кто читает: Департамент информатики

Где читается: Санкт-Петербургская школа физико-математических и компьютерных наук

Когда читается: 1-й курс, 1-4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Шпильман Алексей Александрович, Ямщиков Иван Павлович

Прогр. обучения: Программирование и анализ данных

Язык: русский

Кредиты: 9

Контактные часы: 116

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Целью освоения дисциплины «Дополнительные главы машинного обучения» является формирование у студентов теоретических знаний и практических навыков по основам работы с продвинутыми алгоритмами машинного обучения. Дисциплина направлена на ознакомление студентов с теоретическими основами и основными принципами машинного обучения, овладение студентами инструментарием, моделями и методами машинного обучения, а также приобретение навыков исследователя данных (data scientist) и разработчика математических моделей, методов и алгоритмов анализа данных.

Цель освоения дисциплины

формирование у студентов теоретических знаний и практических навыков по основам работы с продвинутыми алгоритмами машинного обучения

Планируемые результаты обучения

Знает различные алгоритмы и математически е модели, применяемые в анализе распределения данных. Производит семплинг, используя различные методы машинного обучения. Выбирает целевые функции для интерпретации результатов машинного обучения
Знает различные методы математическ ой статистики, применяемые для выделения важных признаков и уменьшения размерности данных. Применяет данные алгоритмы для конкретных наборов данных. Оценивает значимость и корректность производимы х изменений признаков.
Знает структуру и основные требования к содержанию описания решения задачи из области машинного обучения. Применяет подходы и результаты с различных соревнований по машинному обучения для решения возникающих прикладных задач. Обрабатывает и интерпретируе т результаты существующи х программных решений.

Содержание учебной дисциплины

Анализ размерности данных и работа с признаками
Анализ распределения данных
Интерпретация результатов

Элементы контроля

Проект
Устный экзамен
Экзамен проводится на платформе Zoom. Экзамен проводится в устной форме (опрос по материалам курса). По просьбе преподавателя студент должен быть готов выполнить некоторые задания в письменном виде, после чего сфотографировать и выслать на почту преподавателю. К экзамену необходимо подключиться согласно расписанию, высланному преподавателем на корпоративные почты студентов накануне экзамена. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, поддержка платформы Zoom. Для участия в экзамене студент обязан: выбрать себе имя в Zoom совпадающее с его именем и фамилией, явиться на экзамен согласно точному расписанию, при ответе включить камеру и микрофон. Во время экзамена студентам запрещается выключать камеру. Ипользование конспектов или других справочных материалов допускается только с разрешения преподавателя. Кратковременным нарушением связи во время экзамена считается нарушение связи менее 5 минут. Долговременным нарушением связи во время экзамена считается нарушение 5 минут и более. При долговременном нарушении связи возможность продолжения студентом участие в экзамене определяется преподавателем. Процедура пересдачи подразумевает использование усложненных заданий.

Промежуточная аттестация

2021/2022 учебный год 2 модуль
0.5 * Устный экзамен + 0.5 * Проект
2021/2022 учебный год 4 модуль
0.7 * Устный экзамен + 0.3 * 2021/2022 учебный год 2 модуль

Список литературы

Авторы

Кузнецов Антон Михайлович

Программа дисциплины