Machine Learning

2022/2023

Academic Year

RUS

Instruction in Russian

6

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:

1 year, 3, 4 module

Программа дисциплины

Аннотация

Курс посвящен изложению современных методов машинного обучения. Излагаются математические основы методов машинного обучения, основные алгоритмы, методы предобработки данных, основы теории машинного обучения. Практические задания выполняются с использованием библиотеки scikit-learn.

Цель освоения дисциплины

• Подготовка к профессиональной деятельности в области машинного обучения
• Развитие компетенций в области математических методов и информационных технологий.

Планируемые результаты обучения

• Овладение практическими навыками решения задач методами машинного обучения
• Овладение практическими навыками решения задач методами машинного обучения
• Освоение основных теоретических положений машинного обучения
• Освоение основных теоретических положений машинного обучения
• Освоение основных теоретических положений методов машинного обучения

Содержание учебной дисциплины

• Введение. Примеры практических задач
• Метод наименьших квадратов
• Вероятностная постановка задачи обучения с учителем
• Статистические методы решения задач классификации
• Нейронные сети
• Деревья решений
• Ансамбли решающих правил
• Задача обучения без учителя
• Метод опорных векторов
• 10. Элементы теории Вапника-Червоненкиса

Элементы контроля

• Лабораторная работа 1
• Лабораторная работа 2
• Экзамен
• Лабораторная работа 3

Промежуточная аттестация

• 2022/2023 учебный год 4 модуль
  0.2 * Лабораторная работа 1 + 0.2 * Лабораторная работа 3 + 0.4 * Экзамен + 0.2 * Лабораторная работа 2

Список литературы

Рекомендуемая основная литература

• Введение в статистическое обучение с примерами на языке R / Г. Джеймс, Д. Уиттон, Т. Хасти, Р. Тибширани , перевод с английского С. Э. Мастицкого. — Москва : ДМК Пресс, 2017. — 456 с. — ISBN 978-5-97060-495-3. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/93580 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Флах, П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных / П. Флах. — Москва : ДМК Пресс, 2015. — 400 с. — ISBN 978-5-97060-273-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/69955 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.