Создание и обучение аналитических систем

Цели и задачи дисциплины

овладение навыками исследования математических задач, возникающих в теории машинного обучения; овладение алгоритмами решения классических задач машинного обучения; овладение навыками разработки алгоритмов решения задач машинного обучения

Краткое содержание дисциплины

Современные аналитические системы создаются на основе алгоритмов машинного обучения. Машинное обучение – одна из наиболее активно развивающихся областей современных технологий. Области, которые также используют алгоритмы машинного обучения – это компьютерное зрение, распознавание речи, медицинская и техническая диагностика, поиск и рубрикация текстов, создание автономных роботов и другие. Решение задач машинного обучения – важная часть работ по созданию «умных машин» - искусственного интеллекта. Курс включает следующие основные разделы: - классические задачи машинного обучения, регрессия и классификация: - классические алгоритмы решения задач машинного обучения -композиция алгоритмов, кластеризация и визуализация - обратные задачи в теории машинного обучения, регуляризация. В результате освоения курса студенты узнают о современном состоянии теории машинного обучения, овладеют современными алгоритмами решения задач машинного обучения и получат первый опыт самостоятельной разработки алгоритмов машинного обучения.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ПК-1 Способен управлять работами по сопровождению и проектами создания (модификации) ИС, автоматизирующих задачи организационного управления и бизнес-процессы