Учебные курсы – Анализ данных 2022 и 2023 учебного года – Кафедра прикладной математики и информатики (Нижний Новгород) – Национальный исследовательский университет «Высшая школа экономики»

A
A
A

АБB
АБB
АБB

А
А
А
А
А

Обычная версия сайта

Публикации

Книга

Теория вероятностей и математическая статистика

Колданов А. П., Колданов П. А.

М.: Издательский дом НИУ ВШЭ, 2023.

Статья

Lightweight and Elegant Data Reduction Strategies for Training Acceleration of Convolutional Neural Networks

Demidovskij A., Artyom Tugaryov, Aleksei Trutnev et al.

Mathematics. 2023. Vol. 14. No. 11.

Глава в книге

Effective face recognition based on anomaly image detection and sequential analysis of neural descriptors

Sokolova A., Savchenko A.

In bk.: 2023 IX International Conference on Information Technology and Nanotechnology (ITNT). IEEE, 2023. P. 1-5.

Препринт

Independent sets versus 4-dominating sets in outerplanar graphs

math. arXiv. Cornell University, 2023

Все публикации

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

Статус:: Курс обязательный

Когда читается:

Полная версия программы учебной дисциплины

Аннотация

Изучение дисциплины «Анализ данных» базируется на следующих дисциплинах: - Математический анализ; - Геометрия и алгебра; - Дискретная математика; - Теория вероятности и математическая статистика. В результате освоения дисциплины студент должен: знать: - основные понятия анализа данных; уметь: - анализировать данные, выбирать адекватные методы анализа; владеть: - навыками применения основных алгоритмов анализа данных.

Цель освоения дисциплины

Цель освоения дисциплины

Целями освоения дисциплины «Анализ данных» является знакомство с основными понятиями анализа данных, развитие навыков анализа данных, овладение основными ал-горитмами анализа данных.

Планируемые результаты обучения

Планируемые результаты обучения

Владеть базовыми знаниями для освоения курса
Уметь выбирать и использовать метод классификации для конкретных наборов данных. Выполнять сравнение методов классификации
Уметь вычислять SVD разложение и переходить в пространство меньшей размерности с оценкой ошибки
Уметь находить кластерные структуры в данных с помощью различных методов

Содержание учебной дисциплины

Содержание учебной дисциплины

Введение
Методы снижения размерности. Сингулярное разложение и метод главных компонент
Обучение без учителя (методы кластеризации)
Обучение с учителем

Элементы контроля

Элементы контроля

Контрольная работа
Экзамен
Экзамен

Промежуточная аттестация

Промежуточная аттестация

2023/2024 учебный год 1 модуль
1 * Экзамен
2023/2024 учебный год 3 модуль
0.5 * Экзамен + 0.5 * Контрольная работа

Список литературы

Список литературы

Рекомендуемая основная литература

Ford, W. (2015). Numerical Linear Algebra with Applications : Using MATLAB (Vol. First edition). London: Academic Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=485990

Рекомендуемая дополнительная литература

Райгородский, А. М. Вероятность и алгебра в комбинаторике : учебное пособие / А. М. Райгородский. — Москва : МЦНМО, 2008. — 48 с. — ISBN 978-5-94057-384-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/9400 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.