Data Analysis and Data Mining

2020/2021

Academic Year

RUS

Instruction in Russian

3

ECTS credits

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

Программа дисциплины

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 мобильности и устойчивости на рынке труда.

Планируемые результаты обучения

• Знакомство с нейронными сетями
• Понимание математических основ алгоритма обратного распространения ошибок
• Понимание целей использования свёрточных и рекуррентных слоёв нейронной сети
• Умение создавать архитектуры нейронных сетей и настраивать их для поставленных целей
• Понимание уязвимых мест нейронных сетей и возможных проблем в их работе
• Знание известных архитектур классификации изображений
• Знание последних результатов в области глубокого обучения

Содержание учебной дисциплины

• Нейронные сети: основы
  В этой теме рассказываются основные понятия связанные с нейронными сетями, базовые составляющие, а также алгоритм обратного распространения ошибки
• Нейронные сети: настройка
  В этой теме раскрываются некоторые более сложные составляющие нейронной сети, такие как свёрточные и реккурентные слои, а также функции активации, оптимизации, ошибок и слои нормализации.
• Архитектуры нейронных сетей
  В этой теме раскрывается то, как на основе отдельных частей нейронных сетей создаются глубокие архитектуры на примере задачи классификации изображений

Элементы контроля

• Лабораторная работа
• экзамен
• Лабораторная работа
• экзамен

Промежуточная аттестация

• Промежуточная аттестация (1 модуль)
  0.5 * Лабораторная работа + 0.5 * экзамен

Список литературы

Рекомендуемая основная литература

• Статистические методы анализа данных : учебник / Л.И. Ниворожкина, С.В. Арженовский, А.А. Рудяга [и др.] ; под общ. ред. д-ра экон. наук, проф. Л.И. Ниворожкиной. — М. : РИОР : ИНФРА-М, 2016. — 333 с. — (Высшее образование: Бакалавриат). — www.dx.doi.org/10.12737/21064. - Режим доступа: http://znanium.com/catalog/product/556760
• Статистический анализ данных, моделирование и исследование вероятностных закономерностей. Компьютерный подход / Б.Ю. Лемешко, С.Б. Лемешко, С.Н. Постовалов и др. - М.: НИЦ ИНФРА-М, 2015. - 890 с.: 60x90 1/16 ISBN 978-5-16-103267-1 (online) - Режим доступа: http://znanium.com/catalog/product/515227

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