Дисциплина «Машинное обучение»

" Машинное обучение" - это дисциплина, которая представляет собой интердисциплинарное направление, объединяющее знания из областей информатики, математики, статистики и других наук для решения задач машинного обучения.

Одной из основных целей дисциплины является обучение студентов основным методам и алгоритмам машинного обучения, таким как линейная регрессия, метод k ближайших соседей, деревья решений и ансамбли моделей.

В дисциплине также рассматриваются различные подходы к обучению, включая обучение с учителем и без учителя, а также принципы оценки качества моделей и проблемы, связанные с переобучением.

В дисциплине также рассматриваются применения машинного обучения в различных областях, таких как медицина, финансы, маркетинг и технологии. Студенты также изучают методы и инструменты для подготовки, очистки и анализа данных, а также практикуют решение реальных задач машинного обучения с использованием соответствующих библиотек Python и других инструментов. В конце концов дисциплина помогает студентам развить навыки и компетенции, необходимые для работы с машинным обучением и искусственным интеллектом в реальной жизни.

После завершения модуля, обучающийся будет уметь:

- Разрабатывать модели машинного обучения для классификации и кластеризации табличных данных;

- Разрабатывать рекомендательные системы;

В данной дисциплине предполагается использование современных инструментов для решения практических задач анализа данных. Модуль содержит множество практических заданий, призванных закрепить теоретические знания и дать обучающемуся требуемые для аналитики данных навыки.