• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Глава в книге
ALOE: Boosting Large Language Model Fine-Tuning with Aggressive Loss-Based Elimination of Samples

Demidovskij A., Трутнев А. И., Тугарев А. М. et al.

In bk.: Frontiers in Artificial Intelligence and Applications: 27th European Conference on Artificial Intelligence, 19–24 October 2024, Santiago de Compostela, Spain. Vol. 392. IOS Press Ebooks, 2024. P. 3980-3986.

Препринт
DAREL: Data Reduction with Losses for Training Acceleration of Real and Hypercomplex Neural Networks

Demidovskij A., Трутнев А. И., Тугарев А. М. et al.

NeurIPS 2023 Workshop. ZmuLcqwzkl. OpenReview, 2023

Анализ данных

2024/2025
Учебный год
RUS
Обучение ведется на русском языке
6
Кредиты

Преподаватель

Программа 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

  • неблокирующий Контрольная работа
  • неблокирующий Экзамен
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • 2024/2025 1st module
    1 * Экзамен
  • 2024/2025 3rd module
    0.5 * Контрольная работа + 0.5 * Экзамен
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.

Авторы

  • Семёнов Дмитрий Павлович