• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Анализ и разработка данных

2021/2022
Учебный год
RUS
Обучение ведется на русском языке
5
Кредиты

Преподаватель

Программа дисциплины

Аннотация

Настоящая дисциплина относится к циклу дисциплин, обеспечивающих подготовку бакалавра по направлению «Программная инженерия». Изучение данной дисциплины базируется на знаниях, полученных при освоении дисциплин: линейная алгебра и геометрия, математический анализ, дискретная математика, математическая статистика, программирование
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью освоения дисциплины «Анализ и разработка данных» 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

Планируемые результаты обучения

  • Знать вероятностную модель байесовского классификатора
  • Знать концепцию вероятностного происхождения данных
  • Знать общие концепции анализа данных
  • Знать общие линейные классификаторы, метод опорных векторов с жесткими и мягкими границами
  • Знать общие принципы обучения с подкреплением
  • Знать общие принципы построения нейронных сетей
  • Знать особенности глубоких нейронных сетей
  • Знать принципы построения деревьев решений, ансамбли решающих правил
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тема № 1. Введение. Примеры практических задач
  • Тема №2. Вероятностная постановка задачи обучения с учителем
  • Тема №3. Наивный байесовский классификатор
  • Тема № 4. Метод опорных векторов
  • Тема № 5. Деревья решений. Ансамбли решающих правил
  • Тема № 6. Нейронные сети
  • Тема № 7. Глубокое обучение
  • Тема № 8. Обучение с подкреплением
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание
  • неблокирующий Контрольная работа
  • неблокирующий Экзамен
  • неблокирующий Домашнее задание
  • неблокирующий Контрольная работа
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 2 модуль
    0.5 * Экзамен + 0.3 * Контрольная работа + 0.2 * Домашнее задание
Список литературы

Список литературы

Рекомендуемая основная литература

  • Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008

Рекомендуемая дополнительная литература

  • Christopher M. Bishop. (n.d.). Australian National University Pattern Recognition and Machine Learning. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.EBA0C705
  • Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning, 2016. URL: http://www.deeplearningbook.org

Авторы

  • Груздев Алексей Сергеевич