Основы машинного обучения

Цели и задачи дисциплины
Целью изучения дисциплины является освоение студентами базовых понятий машинного обучения с основными алгоритмами машинного обучения, особенностями их применения, принципами и методами обработки больших объемов данных с использованием нейронных сетей. Задачи курса изучить: 1) основные методы машинного обучения; 2) программные библиотеки машинного обучения, 3) основные принципы организации информационных процессов в нейронных сетях. Курс направлен на формирование логического мышления; навыков разработки и реализации программных моделей нейронных сетей.
Краткое содержание дисциплины
В курсе изучаются архитектуры нейронных сетей, используемые для решения задач классификации, кластеризации, распознавания изображения и анализа текстов. Обсуждаются алгоритмы обучения нейронных сетей. Практические задания дадут возможность самостоятельно реализовывать нейронную сеть на языке Python, что позволит практически изучить алгоритмы машинного обучения и особенности формирования обучающей выборки.
Компетенции обучающегося, формируемые в результате освоения дисциплины
Выпускник должен обладать:
  • ПК-1 Способен разрабатывать и исследовать модели объектов профессиональной деятельности, предлагать и адаптировать методики, определять качество проводимых исследований, составлять отчеты о проделанной работе, обзоры, готовить публикации
  • ПК-6 Способен осуществлять взаимодействие с заказчиком, осуществлять общее руководство и контроль выполнения проекта.
  • УК-2 Способен управлять проектом на всех этапах его жизненного цикла
Вы нашли ошибку в тексте:
Просто нажмите кнопку «Сообщить об ошибке» — этого достаточно. Также вы можете добавить комментарий.