Course \00abMachine Learning\00bb
Course Description
Parameter | Value |
---|---|
Course Delivering Subdivision | OIT |
Language of Training | Russian |
Admission Year | 2021 |
Parameter | 6 семестр |
---|---|
Credit Value | 3 |
Виды занятий (Часы/Вид) | 16/L, 16/LW, 76/IWS |
Type of Assessment | Pass/Fail Examination |
Parameter | Value |
---|---|
Brief Description/Course Content |
" 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. |
Planned Learning Outcomes |
После завершения модуля, обучающийся будет уметь: - Разрабатывать модели машинного обучения для классификации и кластеризации табличных данных; - Разрабатывать рекомендательные системы; |
Training Features |
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. |