Машинное обучение

2025/2026

Учебный год

RUS

Обучение ведется на русском языке

5

Кредиты

Кто читает:

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

Статус:

Курс по выбору

Когда читается:

3-й курс, 2 модуль

Преподаватели

Асеева Наталья Владимировна

Савченко Людмила Васильевна

Программа дисциплины

Аннотация

Дисциплина Машинное обучение/Machine learning относится к циклу профессиональных (базовая часть). Изучается на 3-м курсе во 2 модуле. Дисциплина представляет собой on-line курс (Ссылка: https://openedu.ru/course/ITMOUniversity/MLDATAN/). Изучение дисциплины «Машинное обучение» базируется на следующих дисциплинах: программирование, управление данными,теоретические основы информатики. Для освоения учебной дисциплины, студенты должны владеть следующими знаниями: иметь навыки работы на персональном компьютере; иметь базовые навыки программирования.

Цель освоения дисциплины

• Целями освоения данной дисциплины является формирование у студентов представления об основных принципах обучения с учителем и без учителя. А также умение применять алгоритмы машинного обучения на практике, например в проектировании роботов (восприятие, контроль), анализе текстов (онлайн поиск, анти-спам), компьютерном зрении, медицинских информационных системах, обработке аудио, интеллектуальном анализе баз данных и других областях.

Планируемые результаты обучения

• Интерпретировать виды нейронных сетей (сверточные, рекуррентные, глубокие), возможность изменения параметров сети (число слоев, число нейронов). Применять нейронные сети для решения практических задач.
• Применять основные алгоритмы решения задачи линейной регрессии на практике
• Интерпретировать основные алгоритмы и метрики качества бинарной классификации
• Интерпретировать основные алгоритмы и метрики качества задачи кластеризации

Содержание учебной дисциплины

• Обзор основных алгоритмов машинного обучения. Задача линейной регрессии.
• Задача бинарной классификации. Метрики качества.
• Задача множественной классификации
• Задача кластеризации
• Метрики качества задачи кластеризации
• Нейронные сети.

Элементы контроля

• Практическая работа
• контрольные работы

Промежуточная аттестация

• 2025/2026 2nd module
  0.6 * Практическая работа + 0.4 * контрольные работы

Список литературы

Рекомендуемая основная литература

• Iba, H. (2018). Evolutionary Approach to Machine Learning and Deep Neural Networks : Neuro-Evolution and Gene Regulatory Networks. Singapore: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1833749

Рекомендуемая дополнительная литература

• Goldberg, Y. (2017). Neural Network Methods in Natural Language Processing. [San Rafael, California]: Morgan & Claypool Publishers. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1506512

Авторы

• Савченко Людмила Васильевна