Машинное обучение

  • Курс нацелен на приобретение навыков применения библиотеки Python в построении моделей машинного обучения (NumPy, Pandas, Scikit-learn, Tensorflow и PyTorch), применения математических и статистических моделей для машинного обучения. Магистранты освоят навыки сбора, очистки и подготовки данных для машинного обучения (нормализация данных, разработка функций и работа с отсутствующими или поврежденными данными); выбора типа алгоритмов машинного обучения (обучение с учителем, обучение без учителя и обучение с подкреплением); использования популярных алгоритмов (древа решений, случайные леса, машины опорных векторов и нейронные сети) и методов глубокого обучения с несколькими слоями искусственных нейронных сетей. На курсе также будет изучаться современная практика применения машинного обучения: роботизированное управление, интеллектуальный анализ данных, автономная навигация, биоинформатика, распознавание речи, а также обработка текстовых и веб-данных. Результаты обучения достигаются через выполнение заданий по разработке алгоритмов для моделей машинного обучения для решения практических задач в области экономики и финансов на макро- и микроуровнях.
  • Кредитов 6
  • Селективная дисциплина
  • Год обучения 2
  • Семестр 3
Top