Машинное обучение и анализ данных

Beschreibung: В рамках данного курса магистранты изучат основы интеллектуального анализа данных, включая преобразование и очистку данных, обработку пропущенных значений, корреляционный анализ и методы отбора признаков. Особое внимание уделяется решению задач снижения размерности данных, кластеризации, классификации и регрессии. Курс сфокусирован на применении алгоритмов для построения систем, таких как распознавание речи, распознавание объектов, поиск изображений и т.д.

Betrag der Credits: 5

Пререквизиты:

• Экономическая теория

Arbeitsintensität der Disziplin:

Unterrichtsarten	Uhr
Vorträge	15
Praktische Arbeiten
Laborarbeiten	30
AASAL (Autonomes Arbeiten der Schüler unter Anleitung des Lehrers)	30
SE (Studentisches Eigenarbeiten)	75
Endkontrollformular	экзамен
Form der Endkontrolle

Komponente: Компонент по выбору

Zyklus: Профилирующие дисциплины

Цель

• формирование у магистрантов теоретических знаний и практических навыков по основам машинного обучения, овладение инструментарием, моделями и методами машинного обучения, а также приобретение навыков исследователя данных (data scientist) и разработчика методов и алгоритмов анализа данных

Задача

• сформировать теоретические знания по основам машинного обучения для построения формальных математических моделей и интерпретации результатов моделирования;
• выработать умения по практическому применению методов машинного обучения при решении прикладных задач в различных областях;
• выработать умения и навыки использования библиотек языка Python для разработки систем машинного обучения

Результат обучения: знание и понимание

• объяснять основные принципы методов исследования первичных данных
• Знать ключевые понятия, цели и задачи использования машинного обучения; методологические основы применения алгоритмов машинного обучения

Результат обучения: применение знаний и пониманий

• уметь выбирать эффективные методы решения прикладных задач с использованием технологии Data Mining в области бизнес-аналитики и исследований
• проектировать модели интеллектуального анализа данных и базы данных, чтобы использовать технологии интеллектуального анализа данных как часть более крупных систем
• Уметь визуализировать результаты работы алгоритмов машинного обучения, выбирать метод машинного обучения, соответствующий исследовательской задаче, интерпретировать полученные результаты

Результат обучения: формирование суждений

• умение формировать представление о нестандартных подходах к решению проблем и в поиске новых оригинальных идей и приемов проектирования с использованием технологии Data Mining в области бизнес-аналитики и исследований;

Результат обучения: коммуникативные способности

• умение читать и переводить литературу по IT, работать с программными приложениями в области майнинга с английским интерфейсом

Результат обучения: навыки обучения или способности к учебе

• навыки получения новых знаний в области профессионального и дополнительного образования