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, 1, 2 module

Полная версия программы учебной 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

Экзамен
Лабораторная работа
Лабораторная работа

Промежуточная аттестация

2024/2025 2nd module
0.25 * Лабораторная работа + 0.25 * Лабораторная работа + 0.5 * Экзамен

Список литературы

Авторы

Горбунов Дмитрий Владимирович
Грибанов Дмитрий Владимирович

Master’s Programme 'Data Mining'

Contacts

Machine Learning

Программа дисциплины