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-5 Способен использовать передовые методы оценки качества, надежности и информационной безопасности ИС в процессе эксплуатации прикладных ИС.
ПК-12 Способен использовать и развивать методы научных исследований и инструментария в области проектирования и управления информационными системами в прикладных областях.