Машинное обучение

2025/2026

Учебный год

RUS

Обучение ведется на русском языке

Кто читает:

Кафедра прикладной математики и информатики (Нижний Новгород) (Факультет информатики, математики и компьютерных наук (Нижний Новгород))

Статус:

Курс обязательный

Когда читается:

4-й курс, 1, 2 модуль

Преподаватель

Казаков Максим Анатольевич

Программа дисциплины

Аннотация

Курс посвящен изложению современных методов машинного обучения. Излагаются математические основы методов машинного обучения, основные алгоритмы, методы предобработки данных, основы теории машинного обучения. Практические задания выполняются с использованием библиотеки scikit-learn.

Цель освоения дисциплины

• Подготовка к профессиональной деятельности в области машинного обучения
• Развитие компетенций в области математических методов и информационных технологий.

Планируемые результаты обучения

• Овладение практическими навыками решения задач методами машинного обучения
• Овладение практическими навыками решения задач методами машинного обучения
• Освоение основных теоретических положений машинного обучения
• Освоение основных теоретических положений машинного обучения
• Освоение основных теоретических положений методов машинного обучения

Содержание учебной дисциплины

• Введение. Примеры практических задач
• Метод наименьших квадратов
• Вероятностная постановка задачи обучения с учителем
• Статистические методы решения задач классификации
• Нейронные сети
• Деревья решений
• Ансамбли решающих правил
• Задача обучения без учителя
• Метод опорных векторов
• 10. Элементы теории Вапника-Червоненкиса

Элементы контроля

• Лабораторная работа 1
• Экзамен
• Лабораторная работа 2
• Лабораторная работа 3
• Контрольная работа

Промежуточная аттестация

• 2025/2026 2nd module
  Накоп = 0,2 * КР + 0,2 * Лаб 1 + 0,3 * Лаб 2 + 0,2 * Лаб 3 + 0,1 * Активность + Бонус Освобождение от экзамена: • Если все текущие оценки ≥ 6 - Накоп дублируется в Экзамен. • При этом, если Накоп ≥ 8 - Итог выставляется 8.

Список литературы

Рекомендуемая основная литература

• Введение в статистическое обучение с примерами на языке R / Г. Джеймс, Д. Уиттон, Т. Хасти, Р. Тибширани , перевод с английского С. Э. Мастицкого. — Москва : ДМК Пресс, 2017. — 456 с. — ISBN 978-5-97060-495-3. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/93580 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Флах, П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных / П. Флах. — Москва : ДМК Пресс, 2015. — 400 с. — ISBN 978-5-97060-273-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/69955 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Авторы

• Казаков Максим Анатольевич
• Сенников Андрей Олегович
• Мяков Тимофей Ильич