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