Модуль «Введение в Data science и машинное обучение»

Модуль дополнительной специализации. Обучение с 2024 года (5 семестр), сокращенные сроки

Академический руководитель

Брагин Александр Дмитриевич

Отделение информационных технологий (ИШИТР)
Старший преподаватель
Краткое описание

Модуль знакомит слушателей с основами машинного и глубокого обучения. В модуле подробно разбираются основные теоретические понятия, необходимые для решения практических задач с помощью инструментов машинного обучения. Также особое внимание уделяется наиболее популярным инструментам для анализа данных и машинного обучения с использованием язык программирования Python. В модуле рассматриваются решения задачь анализа табличных данных традиционными методами машинного обучения, а также решения задач компьютерного зрения и обработки естественного языка с помощью нейронных сетей. Особое внимание уделяется применению новейших практик в решение вышеуказанных задач. В ходе прохождения модуля обучающиеся самостоятельно разработают и обучат модели разной сложности: от линейных регрессий и классификаторов до гибридных рекомендательных систем или моделей с использованием нейронных сетей, а также смогут:

- Анализировать большие объёмы данных.

- Применять машинное обучение, чтобы предсказывать события, прогнозировать значения и искать неочевидные закономерности в данных.

- Помогать создавать и улучшать продукты в бизнесе, промышленности и науке

Особенности обучения

В данном модуле 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.

Результаты обучения

В результате успешного прохождения модуля обучающийся будет владеть основными навыками для решения задач обработки и анализа данных с помощью машинного и глубокого обучения. После завершения модуля, обучающийся будет уметь:

- Делать предобработку и предварительный анализ  данных;

- Разрабатывать модели машинного обучения для решения задач классификации и регрессии;

- Разрабатывать нейросетевые модели для систем компьютерного зрения и обработки естестенного языка;

- Применять современные подходы машинного и глубокого обучения для решения практических задач.

Структура модуля

Семестр Наименование дисциплины Кредитов Часов Форма контроля
5 Основы применения Python для анализа данных 3 5/ЛБ-16/ЛК-16/СРС-76 Зач.
6 Введение в машинное обучение 3 6/ЛБ-22/ЛК-12/СРС-76 Зач.
7 Введение в нейронные сети и глубокое обучение 3 7/ЛБ-16/ЛК-16/СРС-76 Зач.

Направления, для которых подходит данный модуль

# Код Направление Тип ФГОС
1 05.03.06 Экология и природопользование ФГОС ВО 3++
2 21.03.02 Землеустройство и кадастры ФГОС ВО 3++
3 21.05.02 Прикладная геология ФГОС ВО 3++
4 21.05.03 Технология геологической разведки ФГОС ВО 3++