Методы машинного обучения

Входные требования: Базовые знания теории вероятностей и математической статистики, навыки программирования

Зачетные единицы: 3

Курс: Основной

Язык курса: Русский

Цели

  • Получить представление об основных задачах и методах машинного обучения и интеллектуального анализа данных
  • Изучить статистические основы теории машинного обучения
  • Научиться решать задачи классификации, регрессии, кластеризации с применением методов и алгоритмов машинного обучения и оценивать качество получаемых решений
  • Применять программное обеспечение машинного обучения для решения предметных задач

Содержание

Данный курс сочетает подготовку в области статистической теории машинного обучения с практическим освоением эффективных алгоритмов машинного обучения для решения предметных задач. Курс состоит из трех разделов, охватывающих методы классификации и регрессии, обучения без учителя, а также нейронные сети. В результате успешного освоения курса студент приобретет навыки извлечения знаний, полезные для профессиональной деятельности в любой сфере, связанной с накоплением и обработкой больших объемов данных.

Формат

Лекции и лабораторные занятия

Оценка

Посещение лекционных и лабораторных занятий является обязательным. Недопустимо более одного пропуска занятий без предварительного предупреждения. Итоговый контроль по дисциплине осуществляется в форме экзамена. Допуск к экзамену осуществляется при условии защиты всех лабораторных работ.