KZ

Машинное обучение с использованием Python

  • Целью дисциплины является формирование у студентов устойчивых теоретических знаний и практических навыков в области искусственного интеллекта, классического и прикладного машинного обучения на языке Python. Обучение строится по принципу наращивания сложности: от базовых алгоритмов классификации (логистическая регрессия, k-ближайших соседей, SVM), регрессии и кластеризации (k-means, DBSCAN), до продвинутых методов выявления ассоциативных правил (Apriori, FP-Growth), отбора признаков, снижения размерности (PCA, t-SNE) и работы с несбалансированными данными. Особое внимание уделяется ансамблевым методам (Bagging, Random Forest, Boosting: AdaBoost, XGBoost, LightGBM), моделям на вероятностной основе (наивный байесовский классификатор), методам оценки качества (кросс-валидация, ROC-AUC, confusion matrix), а также инженерным аспектам построения ML-пайплайнов, изучению практик интерпретации моделей (Explainable AI - SHAP, LIME), автоматизированного подбора гиперпараметров (GridSearch, Optuna) и внедрения моделей в прикладные сценарии.
  • Образовательная программа 6B06104 Вычислительная техника и программное обеспечение
  • ВУЗ Евразийский национальный университет имени Л.Н.Гумилева
  • Кредитов 5
  • Селективная дисциплина
  • Год обучения 3
  • Семестр 2
Top