Module \00abData science и машинное обучение\00bb

Модуль дополнительной специализации

Academic Coordinator

Aleksandr Bragin

Division for Information Technology (ISHITR)
Senior Lecturer
Brief Description

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 инструменатам 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.                  

Презентация модуля

Training Features

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:

- Работать с API разных сервисов, писать парсеры для сбора данных, делать предобработку и предварительный анализ  данных;

- Разрабатывать модели машинного обучения для классификации и кластеризации табличных данных;

- Разрабатывать рекомендательные системы;

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

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

Learning Outcomes

В данном модуле предполагается использование современных инструментов для решения практических задач с помощью машинного и глубокого обучения. Модуль содержит множество практических заданий, призванных закрепить теоретические знания и дать обучающемуся требуемые для работы с данными навыки.

Module Structure

Term Course Name Credits Hours Form of Assessment
5 Python for Data Science 3 16 L / 24 LW / 68 IWS PFE
6 Foundations of Machine Learning 3 16 L / 24 LW / 68 IWS Examination
7 Neural Networks and Deep Learning 3 16 L / 24 LW / 68 IWS Examination