Технологии машинного обучения

Входные требования: Курс ориентирован на студентов, обладающих базовыми знаниями теории вероятностей и математической статистики, а также навыками программирования.

Зачетные единицы: 4

Курс: По выбору

Цели

  • Получить представление об основных задачах и методах машинного обучения и интеллектуального анализа данных
  • Изучить статистические основы теории машинного обучения
  • Научиться решать задачи классификации, регрессии, кластеризации с применением методов и алгоритмов машинного обучения и оценивать качество получаемых решений
  • Применять программное обеспечение машинного обучения для решения предметных задач

Содержание

Курс сочетает подготовку в области статистической теории машинного обучения с практическим освоением эффективных алгоритмов машинного обучения для решения предметных задач. Курс состоит из трех разделов, охватывающих методы классификации и регрессии, обучения без учителя, а также нейронные сети. В результате успешного освоения курса студент приобретет навыки извлечения знаний, полезные для профессиональной деятельности в любой сфере, связанной с накоплением и обработкой больших объемов данных.

Формат

Лабораторные работы.

Оценка

Посещаемость обязательна, не более одного класса без предупреждения.

Итоговый контроль по дисциплине осуществляется в форме экзамена. Допуск к экзамену осуществляется при условии защиты всех лабораторных работ.