Машинное обучение в SE

Магистратура 2023/2024

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 по выбору (Машинное обучение 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: 2-й курс, 3 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Шпильман Алексей Александрович

Прогр. обучения: Машинное обучение и анализ данных

Язык: русский

Кредиты: 3

Контактные часы: 32

Полная версия программы учебной дисциплины

Аннотация

Является дисциплиной по выбору. Студенты изучат основные области применения методов машинного обучения для задач анализа и генерации кода, анализа хода программных проектов, поиска и исправления ошибок, генерации тестов и тестовых данных, реструктуризации кода и других видов деятельности, осуществляемых в проектах по разработке программного обеспечения. Для освоения дисциплины студентам необходимы знания из области больших данных.

Цель освоения дисциплины

Формирование у студентов теоретических знаний и практических навыков использования методов машинного обучения и естественной обработки текстов в области работы с кодом и разработки программного обеспечения.

Планируемые результаты обучения

Знает основные виды деятельности, осуществляемые при разработке программного обеспечения, и то, как в них могли бы быть использованы методы машинного обучения.
Умеет выбрать подходящий метод машинного обучения и естественной обработки текстов для создания модели или прототипа инструмента, помогающего в решении задач, возникающих при разработке программного обеспечения.
Умеет реализовать сбор и предобработку данных на основе репозитория с исходным кодом.
Имеет навыки использования существующих популярных библиотек, реализующих алгоритмы машинного обучения, для решения задач, актуальных в проектах по разработке программного обеспечения.

Содержание учебной дисциплины

Раздел 1. Постановка задачи машинного обучения в области программной инженерии
Раздел 2. Использования машинного обучения для предсказания и оценки
Раздел 3. Использование машинного обучения для задач синтеза кода
Раздел 4. Использование машинного обучения для оптимизации архитектуры кода
Раздел 5. Использование машинного обучения для поиска дубликатов
Раздел 6. Использование техник обработки естественных языков
Раздел 7. Использование машинного обучения для анализа кода

Элементы контроля

Экзамен
Устный экзамен проводится в форме ответов на вопросы экзаменационного билета и дополнительные вопросы по материалам курса. Экзаменационный билет содержит два вопроса. На подготовку ответа выделяется 40 минут.
Домашнее задание №1
Домашнее задание №1 выдается студентам в одном варианте. Срок выполнения домашнего задания – 3 недели. Форма представления обучающимися домашнего задания – программа на одном из распространённых языков программирования.
Домашнее задание №3
Домашнее задание №3 выдается студентам в одном варианте. Срок выполнения домашнего задания – 3 недели. Форма представления обучающимися домашнего задания – программа на одном из распространённых языков программирования.
Домашнее задание №2
Домашнее задание №2 выдается студентам в одном варианте. Срок выполнения домашнего задания – 2 недели. Форма представления обучающимися домашнего задания – программа на одном из распространённых языков программирования.

Промежуточная аттестация

2023/2024 учебный год 3 модуль
Преподаватель учитывает оценку за текущий контроль (домашние задания). Онакопленная = (Од/з1 + Од/з2 + Од/з3) / 3

Список литературы

Авторы

Кузнецов Антон Михайлович

Программа дисциплины