| Цель изучения дисциплины | Целью освоения дисциплины «Машинное обучение» является освоение студентами основных вопросов теории вероятности, методов оптимизации и стохастических процессов для дальнейшего применения в разработке алгоритмов машинного обучения. Для того чтобы уверенно решать задачи анализа данных и создавать собственные продукты в области искусственного интеллекта, мало владеть основными методами машинного обучения и нейронных сетей: важно понимать и уметь применить в работе законы математики и статистики у них "под капотом". |
|---|---|
| Место дисциплины в учебном плане | Б1.О.2 |
| Формируемые компетенции | ОПК-9 | Знания, умения и навыки, получаемые в результате освоения дисциплины |
Знать:
современные информационно-коммуникационные и интеллектуальные технологии, инструментальные среды, программно-технические платформы для решения профессиональных задач методологические подходы к выбору и разработке методов получения знаний инженером по знаниям от экспертов; извлечения знаний из данных и текстов и применения соответствующих инструментальных средств классы методов и алгоритмов машинного обучения Уметь:
обосновывать выбор современных информационно-коммуникационных и интеллектуальных технологий, разрабатывать оригинальные программные средства для решения профессиональных задач выбирать и применять методы и средства получения знаний инженером по знаниям от экспертов извлечения знаний из данных и текстов ставить задачи и разрабатывать новые методы и алгоритмы машинного обучения Иметь навыки и (или) опыт деятельности (владеть):
методами разработки оригинальных программных средств, в том числе с использованием современных информационно-коммуникационных и интеллектуальных технологий, для решения профессиональных задач |
| Содержание дисциплины | История машинного обучения и базовые понятия. Данные. Предварительная обработка данных. Линейная Алгебра. Методы разложения матриц. Основы математического анализа . Кластеризация. Регрессия. Классификация. Библиотеки Машинного Обучения . Библиотеки Машинного Обучения . |
| Виды учебной работы | Лекции, практические, самостоятельная работа. |
| Используемые информационные, инструментальные и программные средства |
Браузер (Google Chrome,
Mozilia Firefox)Microsoft Office 2010 (Office 2010 Professional, № 4065231 от 08.12.2010), (бессрочно); Microsoft Windows 7 (Windows 7 Professional, № 61834699 от 22.04.2013), (бессрочно); Chrome (http://www.chromium.org/chromium-os/licenses), (бессрочно); 7-Zip (http://www.7-zip.org/license.txt), (бессрочно); AcrobatReader (http://wwwimages.adobe.com/content/dam/Adobe/en/legal/servicetou/Acrobat_com_Additional_TOU-en_US-20140618_1200.pdf), (бессрочно); ASTRA LINUX SPECIAL EDITION (https://astralinux.ru/products/astra-linux-special-edition/), (бессрочно); LibreOffice (https://ru.libreoffice.org/), (бессрочно); Веб-браузер Chromium (https://www.chromium.org/Home/), (бессрочно); Антивирус Касперский (https://www.kaspersky.ru/), (до 23 июня 2024); Архиватор Ark (https://apps.kde.org/ark/), (бессрочно); Okular (https://okular.kde.org/ru/download/), (бессрочно); Редактор изображений Gimp (https://www.gimp.org/), (бессрочно) Профессиональные базы данных, информационно-справочные системы
1. Цифровая библиотека научно-технических изданий Института инженеров по электротехнике и радиоэлектронике (Institute of Electrical and Electronic Engineers (IEEE)) на английском языке – http://www.ieee.org/ieeexplore 2. Oxford University Press – http://www.oxfordjournals.org/en/ 3. Архив препринтов с открытым доступом – https://arxiv.org/ Материалы для лиц с ОВЗ Весь контент ЭБС представлен в виде файлов специального формата для воспроизведения синтезатором речи, а также в тестовом виде, пригодном для прочтения с использованием экранной лупы и настройкой контрастности. Базы данных, информационно-справочные и поисковые системы 1. Academic Search Ultimate EBSCO publishing – http://search.ebscohost.com 2. eBook Collections Springer Nature – https://link.springer.com/ 3. Гугл Академия – https://scholar.google.ru/ 4. СПС КонсультантПлюс (инсталлированный ресурс АлтГУ или http://www.consultant.ru/). 5. Электронная база данных «Scopus» (http://www.scopus.com); 6. Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru/); 7. Электронный научный архив УрФУ – https://elar.urfu.ru/ 8. Зональная научная библиотека (УрФУ) – http://lib2.urfu.ru/ 9. Портал информационно-образовательных ресурсов УрФУ – study.urfu.ru 10. Электронно-библиотечная система «Лань» – e.lanbook.com 11. Университетская библиотека ONLINE – biblioclub.ru 12. Электронно-библиотечная система "Библиокомплектатор" (IPRbooks) – bibliocomplectator.ru/available 13. Электронные информационные ресурсы Российской государственной библиотеки – www.rsl.ru 14. Научная электронная библиотека – http://elibrary.ru/ 15. Научная электронная библиотека «КиберЛенинка» – https://cyberleninka.ru/ 16. Web of Science Core Collection – http://apps.webofknowledge.com/ |
| Форма промежуточной аттестации | Экзамен, зачет. |