Machine Learning & Data Science

Жомартқызы Гүльназ

Портфолио преподавателя

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