Методы машинного обучения и визуализации данных

Цели и задачи дисциплины

Целями изучения дисциплины «Машинное обучение и визуализация данных» является освоение студентами с базовыми понятиями машинного обучения, с основными алгоритмами машинного обучения, особенностями их применения, принципами и методами обработки больших объемов данных, правилами визуализации данных. Задачи курса: изучить основные методы машинного обучения; изучить существующие программные библиотеки машинного обучения; научиться самостоятельно реализовывать методы машинного обучения в виде программ; научиться применять методы машинного обучения для решения прикладных задач, научиться применять; изучить основные сервисы для визуализации данных; изучить правила систематизации информации при помощи различных визуальных техник и методов; практически освоить технологию визуализации знания в различных форматах.

Краткое содержание дисциплины

Виды обучения: c учителем, без учителя, с подкреплением. Основные типы задач: задача классификации, задача регрессии, задача кластеризации, задача прогнозирования, задача ранжирования. Библиотеки языка Python - NumPy, Scikit-Learn. Метод наименьших квадратов. Модификации метода наименьших квадратов. Понижение размерностей. Сингулярное разложение. Метод главных компонент. Метрические кластеризация. метод к-средних (k-means), их модификации. Иерархическая кластеризация. Деревья решений, алгоритм случайного леса. Методы классификации. Методы наибольшего правдоподобия. Метод kNN. Наивный Байесовский классификатор. Решающие деревья и случайный лес. Логистическая регрессия. Метод опорных векторов. Визуализация. Основные понятия и определения визуального анализа данных Цели и задачи визуализации данных. Группы методов визуализации. Форматы графических данных. Методы их подключения к системам визуализации. Графики. Диаграммы. Гистограммы. Статистика. Характеристики средств визуализации. Специализированные библиотеки python: plotly, seaborn. Создание пользовательской визуализации

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ОПК-3 Способен принимать решения, осуществлять стратегическое планирование и прогнозирование в профессиональной деятельности с использованием современных методов и программного инструментария сбора, обработки и анализа данных, интеллектуального оборудования и систем искусственного интеллекта
УК-1 Способен осуществлять критический анализ проблемных ситуаций на основе системного подхода, вырабатывать стратегию действий