up

Основы интеллектуального анализа данных и машинного обучения

  • Russian

    course language

  • 10 weeks

    course duration

  • from 3 to 6 hours per week

    needed to educate

  • 2 credit points

    for credit at your university

About

Курс посвящен изучению основ интеллектуального анализа данных (data mining) и машинного обучения. Слушатели смогут получить представление об организации процесса анализа данных, узнать основное содержание этапов предобработки и постобработки данных, сопутствующие стандарты. Курс позволяет познакомиться с современными технологиями интеллектуального анализа данных и примерами их применения для решения бизнес-задач, а также с основами машинного обучения как одной из главных современных концепций извлечения новых знаний и закономерностей из больших массивов данных и последующего их применения в системах искусственного интеллекта.

Format

Десять последовательно связанных модулей (наименования есть в программе курса), в каждом модуле от 2 до 4 уроков (лекций), контрольные вопросы, зачетные материалы в электронной форме. 

Стоимость доступа к материалам курса за исключением ознакомительной части (включая тестовые материалы и возможность пройти экзамен с прокторингом и получить сертификат) составляет 3600 рублей. Для этого нужно пройти текущее тестирование не меньше чем на 60% и итоговый тест не меньше чем на 60%.

Основная литература:

  1. Han J., Kamber M., Pei J. Data mining: Concepts and techniques. Morgan Kaufmann, 2012. 740 pp.
  2. Aggarwal C. Data mining: The textbook. Springer, 2015. 746 pp.
  3. Барсегян А.А. Анализ данных и процессов. Учебное пособие для вузов. СПб.: БХВ-Петербург, 2009. 512 с.
  4. Hastie T., Tibshirani R., Friedman J. The elements of statistical learning. 764 pp.

Дополнительная литература:

  1. Маккинни У. Python и анализ данных. М.: ДМК Пресс, 2015. 482 с.
  2. Мюллер А., Гвидо С. Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными. М.: Вильямс, 2017. 470 с.
  3. Дж. Вандер Плас. Python для сложных задач. Наука о данных и машинное обучение. СПб.: Питер, 2018. 576 с.
  4. Лесковец Ю., Раджараман А., Ульман Дж. Анализ больших наборов данных / пер. с англ. Слинкин А.А. – М.: ДМК Пресс, 2016. – 498 с.
  5. Плас Дж. В. Python для сложных задач: наука о данных и машинное обучение. 576 стр.

Requirements

Знание основ информатики, основ теории вероятностей и математической статистики. Желательно знакомство с основами методов оптимизации.

Course program

  • Модуль 1. Введение в анализ данных.
  • Модуль 2. Предобработка и постобработка данных.
  • Модуль 3. Поиск шаблонов и ассоциативных правил.
  • Модуль 4. Кластеризация.
  • Модуль 5. Поиск аномалий.
  • Модуль 6. «Обучение с учителем»: теоретические основы.
  • Модуль 7. Элементарные методы классификации.
  • Модуль 8. Элементарные методы восстановления регрессии.
  • Модуль 9. Линейные методы классификации и восстановления регрессии.
  • Модуль 10. Композиции алгоритмов классификации и регрессии.

Education results

В результате обучения по курсу слушатель получит:

  • Знание основных методов интеллектуального анализа данных, основных методов решения задач машинного обучения.
  • Умение применять при решении прикладных задач методы и алгоритмы поиска часто встречающихся шаблонов, классификации, кластеризации, восстановления регрессии.
  • Навык самостоятельной постановки конкретных задач научных исследований в области ИБ или информационно-аналитических систем безопасности и решения их с использованием новейшего отечественного и зарубежного опыта; навык планирования и организации предпроектных исследований объектов обеспечения ИБ или объектов информационноаналитических систем безопасности.

Education directions

Knowledge

Знание основных методов интеллектуального анализа данных, основных методов решения задач машинного обучения.

Skills

Умение применять при решении прикладных задач методы и алгоритмы поиска часто встречающихся шаблонов, классификации, кластеризации, восстановления регрессии.

Abilities

Навык самостоятельной постановки конкретных задач научных исследований в области ИБ или информационно-аналитических систем безопасности и решения их с использованием новейшего отечественного и зарубежного опыта; навык планирования и организации предпроектных исследований объектов обеспечения ИБ или объектов информационноаналитических систем безопасности.

Запечников Сергей Владимирович

Доктор технических наук, Доцент
Position: Профессор отделения интеллектуальных кибернетических систем офиса образовательных программ НИЯУ МИФИ

Similar courses