Размер шрифта
Цветовая схема
Изображения
Обычная версия сайта

Методы машинного обучения

УМКД дисциплины

Рабочая программа и аннотация - ML_PI_2021.pdf - для просмотра файла необходимо авторизоваться

Методические рекомендации - MR_ML_PI_2021.pdf

Аннотация

Аннотация рабочей программы дисциплины "Методы машинного обучения" 1. Цели и задачи изучения дисциплины Основной целью курса является формирование у обучающихся знаний по методам машинного обучения, позволяющих понимать их сущность и значение применения на практике, уметь использовать основные алгоритмы машинного обучения для решения различного рода задач. Задачи курса:  уметь "добывать" данные в цифровой форме из различных источников; делать их предобработку, очистку, работу с пропущенными данными при помощи математических методов и вычислительных алгоритмов с использованием различных инструментальных средств;  знать методы машинного обучения и их практическое применение;  уметь самостоятельно использовать основные алгоритмы машинного обучения в решении практических задач. 2. Краткая характеристика учебной дисциплины Предметом дисциплины является класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение за счёт применения решений множества сходных задач. Целью машинного обучения является частичная или полная автоматизация решения сложных профессиональных задач в самых разных областях человеческой деятельности. Содержание дисциплины состоит из основных разделов: Машинное обучение: сущность и значение; Классическое машинное обучение. Обучение с учителем: классификация; Классическое машинное обучение. Обучение с учителем: регрессия; Классическое машинное обучение. Обучение без учителя: кластеризация; Классическое машинное обучение. Обучение без учителя: сокращение размерности (Обобщение); Ансамбли; 3. Место дисциплины в структуре образовательной программы Дисциплина входит в формируемую часть "Блок 1" образовательной программы бакалавриата, реализуется на 3-м году обучения с трудоемкостью освоения - 4.0 Зет. 4. Взаимосвязь дисциплины с предшествующими и последующими дисциплинами учебного плана подготовки Для успешного освоения знаний по дисциплине «Анализ данных», студент должен иметь представление о видах данных, разновидности анализа данных, интеграция и моделировании данных. Базой для освоения курса являются «Теория статистики», «Теория вероятностей и математическая статистика», «Базы данных», «Анализ данных». Знания данного курса необходимы для курсов: «Управление проектами», «Предиктивная аналитика», выполнения ВКР. 5. Ожидаемые результаты освоения дисциплины В результате освоения дисциплины, у обучающихся должны быть сформированы следующие компетенции: ПК 5 - Способность моделировать прикладные (бизнес) процессы и предметную область.