Подписывайтесь на наш instagram, чтобы не пропустить результаты конкурса грантов!
Классификация и кластеризация
-
Цель дисциплины подробно разобрать алгоритмы классификации и кластеризации, используемые в машинном обучении. Студенты научатся анализировать и интерпретировать сложные наборы данных, разрабатывать прогностические модели и применять эти техники к реальным проблемам. С помощью комбинации теоретического обучения и практических упражнений студенты освоят основы этих методов, изучат их применение в различных областях и научатся использовать соответствующие программные средства для анализа данных. К концу курса студенты смогут профессионально понимать, выбирать и применять соответствующие методы классификации и кластеризации для анализа данных, прогнозирования моделей и решения проблем в различных контекстах; они также разовьют практические навыки в использовании вычислительных инструментов и программного обеспечения для реализации и проверки этих моделей. В рамках дисциплины отображаются следующие аспекты: включая основные принципы машинного обучения, обучение с учителем и без учителя, различные алгоритмы классификации и кластеризации (такие как метод ближайших соседей, метод опорных векторов, деревья решений, k-средних, иерархическая кластеризация), отбор признаков, снижение размерности, проверка модели и практическое применение с использованием соответствующих языков программирования и библиотек.
-
Образовательная программа 6B06107 Наука о данных
-
Кредитов 5
-
Селективная дисциплина
-
Год обучения 3
-
Семестр 5