Машиналық оқыту және деректерді талдау

Сипаттама: Пән машиналық оқытудың алгоритмдерін, модельдері мен әдістерін және оларды практикалық тапсырмаларды шешу үшін қолдану тәсілдерін зерттеуге арналған; үлкен деректерді өңдеу және талдау; шешім модельдері мен алгоритмдерін құру негіздері және машиналық оқыту әдістерімен есептерді шешудің дәлдігін бағалау. Нақты деректер жиынтығын талдауға арналған бағдарламалық жасақтама, заманауи бағдарламалау тілдері және кітапханалар қарастырылады.

Кредиттер саны: 6

Пререквизиты:

• Автоматты реттеудің сызықтық жүйесі

Пәннің еңбек сыйымдылығы:

Компонент: ЖОО компоненті

Цикл: Кәсіптік пәндер

Мақсат

• изучение современных методов и инструментов машинного обучения и анализа данных для решения конкретных задач в области построения автоматизированных и интеллектуальных систем управления техническими объектами.

Міндет

• формирование целостного представления о методах машинного обучения для обработки и анализа больших данных;
• овладение умениями разработки программ на языках Python и MatLab, реализующих алгоритмы машинного обучения;
• овладение моделями и методами интеллектуального анализа данных и машинного обучения в задачах поиска информации, обработки и анализа данных;
• приобретение навыков исследователя данных (data scientist) и разработчика математических моделей, методов и алгоритмов анализа данных.

Оқыту нәтижесі: білу және түсіну

• показывать знания математических основ теории машинного обучения, основные классы алгоритмов машинного обучения.

Оқыту нәтижесі: білім мен ұғымды қолдану

• выбирать наиболее подходящие алгоритмы решения задач машинного обучения и оценивать качество построенных моделей
• применять методы интеллектуального анализа данных и машинного обучения в задачах поиска информации, обработки и анализа данных систем автоматизации техническими объектами

Оқыту нәтижесі: талқылай білуді қалыптастыру

• анализировать, выделять особенности и комбинировать методы машинного обучения;

Оқыту нәтижесі: коммуникативтік қабілеттіліктер

• сообщать тенденции в области автоматизации производственных систем, перспективные направления и возможности практического применения, как специалистам, так и не специалистам;

Оқыту нәтижесі: Оқу дағдылары немесе сабаққа қабілеттілігі

• демонстрировать навыки исследователя данных (data scientist) и разработчика математических моделей, методов и алгоритмов анализа данных.

Оқыту әдістері

технологии учебно-исследовательской деятельности

информационно-коммуникационные технологии

модульная технология обучения

Білім алушының білімін бағалау

Оқытушы ағымдағы бақылау жұмыстарының барлық түрлерін жүргізеді және академиялық кезеңде екі рет білім алушылардың ағымдағы үлгеріміне тиісті баға береді. Ағымдағы бақылау нәтижелері бойынша 1 және 2 рейтинг қалыптастырылады. Білім алушының оқу жетістіктері 100 балдық шкала бойынша бағаланады, Р1 және Р2 қорытынды бағасы ағымдағы үлгерім бағасынан орташа арифметикалық ретінде шығарылады. Академиялық кезеңде білім алушының жұмысын бағалауды пән бойынша тапсырмаларды тапсыру кестесіне сәйкес оқытушы жүзеге асырады. Бақылау жүйесі жазбаша және ауызша, топтық және жеке формаларды біріктіре алады.

Жұмыс түрлері бойынша оқыту нәтижелерін бағалау саясаты

Бағалау нысаны

Пән бойынша білім алушының білімін қорытынды бағалау 100 баллдық жүйе бойынша жүзеге асырылады және:

• Емтиханда алынған нәтиженің 40%;
• Ағымдағы үлгерімнің 60% - ы.

Қорытынды бағаны есептеу формуласы:

 

мұндағы, Р1, Р2-тиісінше бірінші, екінші рейтингті бағалаудың сандық эквиваленттері;

Э - емтихандағы бағаның сандық баламасы.

Қортынды әріптік бағасы және оның балдық сандық эквиваленті:

Төрт балдық жүйе бойынша цифрлық баламаға сәйкес келетін білім алушылардың оқу жетістіктерін бағалаудың әріптік жүйесі:

Дәріс сабақтарының тақырыптары

• Введение в теорию и практику машинного обучения
• Задачи машинного обучения
• Способы обучения и оценки его качества
• Типовые задачи при подготовке данных и обучении моделей
• Математическое обеспечение теории машинного обучения
• Модели и методы машинного обучения
• Фундаментальные алгоритмы
• Анатомия алгоритмов обучения
• Проектирование признаков, переобучение и настройка гиперпараметров
• Модели и методы нечеткой логики
• Нейронные сети и глубокое обучение
• Проблемы и решения обучения моделей
• Продвинутые методики
• Обучение без учителя
• Разработка приложений в сфере машинного обучения

Негізгі әдебиет

• Бурков А. Машинное обучение без лишних слов. - СПб.: Питер, 2020. — 192 с.
• Основы машинного обучения : учебное пособие / О.В. Лимановская, Т.И. Алферьева ; Мин-во науки и высш. образования РФ.— Екатеринбург : Изд-во Урал. ун-та, 2020. — 88 с.
• Гладилин П.Е., Боченина К.О., Технологии машинного обучения– СПб: Университет ИТМО, 2020. – 75 с.

Қосымша әдебиеттер

• Теория и практика машинного обучения : учебное пособие / В. В. Воронина, А. В. Михеев, Н. Г. Ярушкина, К. В. Святов. – Ульяновск : УлГТУ, 2017. – 290 с.
• Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar. Foundations of Machine Learning. - MIT Press, 2018. – 504с.