Machine Learning

2025/2026

Academic Year

RUS

Instruction in Russian

Delivered at:

Department of Economic Theory and Econometrics (Faculty of Economics)

Course type:

Compulsory course

When:

4 year, 1, 2 module

Instructor

Lapinova, Svetlana A.

Программа дисциплины

Аннотация

Курс направлен на развитие у студентов аналитических и исследовательских навыков в области машинного обучения. В результате освоения дисциплины студенты получат знания о библиотеках языка Python для работы с данными, о методах предобработки данных, кластеризации, визуализации, понижения размерности, построения моделей анализа данных, решающих деревьев и композиции моделей.

Цель освоения дисциплины

• Ознакомление студентов с методами машинного обучения

Планируемые результаты обучения

• Умеет выбрать метод обработки и анализа временных рядов при решении конкретных прикладных задач
• Умеет применять тесты при анализе временных рядов на стационарность, на коинтеграцию
• Умеет работать с аномалиями в данных данными. Выполняет графический и статистический анализ данных
• Умеет строить линейную и логистическую регрессии. Анализирует качество моделей
• Умеет оценивать разбиение данных на кластеры
• Строит классические и бустинговые модели временных рядов с использованием библиотек Python

Содержание учебной дисциплины

• Основные методы анализа одномерных временных рядов. Методы машинного обучения для статистического анализа временных рядов
• Модели авторегрессии и скользящего среднего стационарных временных рядов
• Тесты для анализа временных рядов. Коинтеграция временных рядов.
• Кластерный анализ
• Градиентный бустинг
• Векторная авторегрессия

Элементы контроля

• контрольная
• проект
• контрольная

Промежуточная аттестация

• 2025/2026 2nd module
  0.3 * контрольная + 0.3 * контрольная + 0.4 * проект

Список литературы

Рекомендуемая основная литература

• 16740 - Alpina - Python и машинное обучение - С.Рашка - ДМК Пресс - 2017 - https://hse.alpinadigital.ru/document/16740
• Python для сложных задач: наука о данных и машинное обучение. - 978-5-4461-0914-2 - Плас Дж. Вандер - 2021 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/376830 - 376830 - iBOOKS

Рекомендуемая дополнительная литература

• Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум - 978-5-9775-6595-0 - Янсен С. - 2020 - Санкт-Петербург: БХВ-Петербург - https://ibooks.ru/bookshelf/369871 - 369871 - iBOOKS
• Прагматичный ИИ. Машинное обучение и облачные технологии - 978-5-4461-1061-2 - Гифт Ной - 2019 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/365271 - 365271 - iBOOKS

Авторы

• Креховец Екатерина Владимировна
• Лапинова Светлана Александровна