Machine Learning & Data Science
Описание: Дисциплина направлена на развитие навыков работы с алгоритмами машинного обучения для решения реальных научно-технологических задач по направлению диссертационного исследования. Изучаются алгоритмы контролируемого машинного обучения, основанные на фактических данных, алгоритмы неуправляемого машинного обучения, являющиеся прогностическими моделями, а также алгоритмы усиленного обучения, в которых используются программные агенты.
Количество кредитов: 5
Пререквизиты:
- Машинное обучение и анализ данных
Трудоемкость дисциплины:
Виды работ | часы |
---|---|
Лекции | 15 |
Практические работы | |
Лабораторные работы | 30 |
СРОП | 75 |
СРО | 30 |
Форма итогового контроля | экзамен |
Форма проведения итогового контроля |
Компонент: Компонент по выбору
Цикл: Базовые дисциплины
Цель
- Знакомство с примерами типовых и редких задач, решаемых с помощью машинного обучения
- Формирование у докторантов практических навыков постановки задач машинного обучения, анализа больших данных и оценки результатов
- формирование у докторантов профессиональной компетенции в области разработки и использования систем обработки и анализа больших массивов данных
Задача
Результат обучения: знание и понимание
- Понимать важность феномена больших данных для развития общества и науки. Знать причины возникновения тренда больших данных. Знать проблемы и возможности, связанные с появлением больших данных. Понимать важность применения научных методов для извлечения пользы из больших массивов данных
Результат обучения: применение знаний и пониманий
- Уметь формулировать алгоритмы в парадигме Map Reduce. Владеть методами интеллектуального анализа данных, в т.ч. методами оценки качества моделей, алгоритмов, методами экспериментальной проверки гипотез
Результат обучения: формирование суждений
- иметь способность выстраивать логику рассуждений и высказываний, основанных на интерпретации данных, интегрированных их разных областей науки и техники, выносить суждения на основании неполных данных
Результат обучения: коммуникативные способности
- Способность анализировать профессиональную информацию, выделять в ней главное, структурировать, оформлять и представлять в виде аналитических обзоров с обоснованными выводами и рекомендациями.
Результат обучения: навыки обучения или способности к учебе
- Способность к созданию программного обеспечения для анализа, распознавания и обработки информации, систем цифровой обработки сигналов