Delivered at:: Department of Applied Mathematics and Informatics (Faculty of Informatics, Mathematics, and Computer Science (HSE Nizhny Novgorod))

Course type:: Compulsory course

When:: 4 year, 1 module

Instructor

Grechikhin, Ivan

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Настоящая дисциплина относится к профессиональному циклу дисциплин, обеспечивающих подготовку бакалавра по направлению «прикладная математика и информатика». Изучение данной дисциплины базируется на знании, полученных при освоении дисциплин: линейная алгебра и геометрия, математический анализ, дискретная математика, математическая статистика, программировании.

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 мо-бильности и устойчивости на рынке труда.
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

Знание алгоритмов классификации на основе ансамблей простейших алгоритмов
Знание задачи и алгоритмов кластеризации
Знание простейших алгоритмов классификации
Изучение техники сокращения размерности
Ознакомление с задачами регресии и способами их решения
Ознакомление с задачей классификации
Понимание основ работы с данными
Умение готовить данные для обучения и поддерживать процесс обучения
Знакомство с нейронными сетями
Знание известных архитектур классификации изображений
Знание последних результатов в области глубокого обучения
Понимание математических основ алгоритма обратного распространения ошибок
Понимание уязвимых мест нейронных сетей и возможных проблем в их работе
Понимание целей использования свёрточных и рекуррентных слоёв нейронной сети
Умение создавать архитектуры нейронных сетей и настраивать их для поставленных целей

Содержание учебной дисциплины

Введение в анализ данных. Описательные статистики.
Анализ главных компонент для выявления скрытых факторов и сокращения размерности
Кластеризация
Нейронные сети: основы
Регрессия. Алгоритмы регрессии.
Нейронные сети: настройка
Задача классификации. Простейшие алгоритмы классификации.
Архитектуры нейронных сетей
Алгоритмы классификации - ансамбли

Элементы контроля

лабораторные работы
5 лабораторных работ
экзамен
Лабораторная работа
экзамен
лабораторные работы
5 лабораторных работ
экзамен
Лабораторная работа
экзамен

Промежуточная аттестация

2020/2021 учебный год 2 модуль
0.5 * лабораторные работы + 0.5 * экзамен
2021/2022 учебный год 1 модуль
0.5 * Лабораторная работа + 0.5 * экзамен

Список литературы

Авторы

Калягин Валерий Александрович
Гречихин Иван Сергеевич

Bachelor’s Programme 'Applied Mathematics and Information Science'

Data Analysis and Data Mining

Instructor

Программа дисциплины