Data Analysis and Data Mining

2021/2022

Academic Year

RUS

Instruction in Russian

5

ECTS credits

Delivered at:

Joint Department with MERA Group (Faculty of Informatics, Mathematics, and Computer Science (HSE Nizhny Novgorod))

Course type:

Elective course

When:

4 year, 1, 2 module

Instructor

Досов Санжар Музаффарович

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

• 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

• 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

• 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

• Домашнее задание
• Контрольная работа
• Экзамен
• Домашнее задание
• Контрольная работа
• Экзамен

Промежуточная аттестация

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

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