• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2024/2025

Семинар наставника

Статус: Курс обязательный (Искусственный интеллект)
Направление: 01.04.02. Прикладная математика и информатика
Когда читается: 1-й курс, 1-4 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Прогр. обучения: Искусственный интеллект
Язык: русский
Кредиты: 3
Контактные часы: 8

Программа дисциплины

Аннотация

На данном курсе студенты поймут специфику собеседований по Machine Learning и Deep Learning и получат первый опыт прохождения таких собеседований
Цель освоения дисциплины

Цель освоения дисциплины

  • Понять специфику собеседований по ML
  • Понять специфику собеседований по DL
  • Получить опыт прохождения собеседования по ML/DL на позицию Junior Data Scientist
Планируемые результаты обучения

Планируемые результаты обучения

  • Студент понимает, как устроено собеседование по машинному и глубинному обучению на позицию Junior Data Scientist
  • Имеет опыт прохождения пробного собеседования
Содержание учебной дисциплины

Содержание учебной дисциплины

  • На занятиях будут проходить пробные собеседования студентов по темам курсов “Машинное обучение” и “Глубинное обучение”.
Элементы контроля

Элементы контроля

  • неблокирующий Устное собеседование по машинному обучению (ML)
  • неблокирующий Устное собеседование по глубинному обучению (DL)
  • неблокирующий Письменное тестирование по машинному глубинному обучению (TestML)
  • неблокирующий Письменное тестирование по глубинному обучению (TestDL)
Промежуточная аттестация

Промежуточная аттестация

  • 2024/2025 2nd module
    -
  • 2024/2025 4th module
    Первый семестр: зачет, если 0.5*max{ML,0.8*TestML} >= 4 Второй семестр: зачет, если 0.5*max{DL,0.8*TestDL} >= 4
  • 2025/2026 1st module
    -
  • 2025/2026 3rd module
    Первый семестр: зачет, если 0.5*max{ML,0.8*TestML} >= 4 Второй семестр: зачет, если 0.5*max{DL,0.8*TestDL} >= 4
Список литературы

Список литературы

Рекомендуемая основная литература

  • Hastie, T., Tibshirani, R., Friedman, J. The elements of statistical learning: Data Mining, Inference, and Prediction. – Springer, 2009. – 745 pp.

Рекомендуемая дополнительная литература

  • Глубокое обучение. - 978-5-4461-1537-2 - Николенко С., Кадурин А., Архангельская Е. - 2020 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/377026 - 377026 - iBOOKS

Авторы

  • Ахмедова Гюнай Интигам кызы