Машинное обучение

2021/2022

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

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, 2 модуль

Преподаватель

Гречихин Иван Сергеевич

Программа дисциплины

Аннотация

Дисциплина направлена на теоретическое и практическое изучение основ машинного обучения. Машинное обучение – это подраздел искусственного интеллекта, актуальная и динамично развивающаяся дисциплина, тесно связанная с различными разделами математики и компьютерных наук. Машинное обучение решает проблемы, связанные с разработкой и применением алгоритмов, способных выполнять такие сложные задачи, как распознавание образов, автоматическая обработка текстов и др. Важной особенностью алгоритмов машинного обучения является то, что они не требуют подробных инструкций по выполнению задач, но способны сами "обучаться" на примерах решения аналогичных задач человеком.

Цель освоения дисциплины

• Целью освоения дисциплины «Машинное обучение» является получение высшего профессионально профилированного (на уровне бакалавра) образования, позволяющего выпускнику успешно работать в избранной сфере деятельности, обладать универсальными и предметно-специализированными компетенциями, способствующими его социальной мобильности и устойчивости на рынке труда.

Планируемые результаты обучения

• Владеет навыками работы программирования на python и работы в консоли
• Знает базовые архитектуры нейронных сетей для их решения;
• Знает понятие и свойства случайной величины, свойства её характеристик
• Знает постановки основных задач машинного обучения;
• Знает программные инструменты и библиотеки их реализующие.
• Знает свойства линейных преобразований и операций над матрицами;
• Использует инструменты машинного обучения для анализа данных
• Применяет программные продукты для решения задач
• Умеет тренировать нейронные сети для решения прикладных задач в различных предметных областях;

Содержание учебной дисциплины

• Тема 1. Простейшие методы машинного обучения
• Тема 2. Функция ошибки. Регуляризация. Оптимизация.
• Тема 3. Метод обратного распространения ошибки. Нейронные сети.
• Тема 4. Обучение нейронных сетей. Нормализационные методы
• Тема 5. Архитектуры сверточных нейронных сетей
• Тема 6. Библиотеки для тренировки и запуска нейронных сетей.

Элементы контроля

• Самостоятельная работа (лабораторные работы)
• Экзамен
• Самостоятельная работа (лабораторные работы)
• Экзамен

Промежуточная аттестация

• 2021/2022 учебный год 2 модуль
  0.5 * Самостоятельная работа (лабораторные работы) + 0.5 * Экзамен

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

• Коэльо, Л. П. Построение систем машинного обучения на языке Python / Л. П. Коэльо, В. Ричарт ; перевод с английского А. А. Слинкин. — 2-е изд. — Москва : ДМК Пресс, 2016. — 302 с. — ISBN 978-5-97060-330-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/82818 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Новиков Ф. А. - СИМВОЛИЧЕСКИЙ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: МАТЕМАТИЧЕСКИЕ ОСНОВЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ. Учебное пособие для академического бакалавриата - М.:Издательство Юрайт - 2019 - 278с. - ISBN: 978-5-534-00734-3 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/simvolicheskiy-iskusstvennyy-intellekt-matematicheskie-osnovy-predstavleniya-znaniy-434065

Авторы

• Гречихин Иван Сергеевич
• Яшунин Дмитрий Александрович
• Калягин Валерий Александрович