Машинное обучение: основы

от 5 до 7 недель
от 4 до 5 часов в неделю
1 зачётных единиц
русский язык

Сертификат выдается при условии успешного выполнения контрольных заданий и прохождении финального аттестационного испытания с прокторингом.

Стоимость прохождения процедур оценки результатов обучения с идентификацией личности - 2800 Р.

Санкт-Петербургский государственный университет

Уважаемые слушатели, некоторые материалы данного курса доступны для ознакомительного просмотра. Чтобы получить доступ ко всем материалам курса, необходимо оплатить доступ к материалам.

Курс «Машинное обучение: основы» направлен на практическое знакомство слушателей с базовыми методами машинного обучения и анализа данных. Он поможет освоить классы и методы основных решаемых на сегодняшний день задач машинного обучения и его приложений в области искусственного интеллекта.

О курсе

Данный курс может быть полезен слушателям, которые активно интересуются современными тенденциями в области машинного обучения, анализа данных и искусственного интеллекта, имеют некоторое представление в данной области и желают приложить имеющиеся знания на практике. Он позволит составить четкое понимание предметной области, разобраться в популярных классах решаемых задач, используемых методах решения, а также областях приложения результатов.

Каждый модуль курса включает видеолекции, презентации, листинги используемого кода, ссылки на рекомендованные источники по теме и другие материалы. Для формирования практических навыков используются не только тестовые задания, но и наборы данных и кейсы.

В результате освоения онлайн-курса обучающиеся смогут произвести базовые операции по анализу набора данных и решению некоторой задачи машинного обучения. В рамках подготовки данных к обучению слушатели научатся понимать и анализировать их, а также идентифицировать потенциальные некорректности. Также обучающиеся смогут решить с исходным набором поставленные задачи регрессии, классификации, кластеризации разными методами и сравнить качество полученных решений. Этот курс совместно с курсом по основам искусственного интеллекта сформирует у Вас цельное восприятие искусственного интеллекта как науки, даст ориентиры и тенденции в области, а также сориентирует вас в практических аспектах этих областей.

Узнать подробнее и записаться на онлайн-курс СПбГУ «Искусственный интеллект: основы» можно по ссылке.

Преподаватели

Формат

Форма обучения заочная (дистанционная). Еженедельные занятия будут включать просмотр тематических видеолекций, изучение дополнительных материалов и выполнение тестовых заданий с автоматизированной проверкой результатов, тестирование по пройденному материалу. Для получения сертификата необходимо выполнить все задания и написать финальный экзамен.

Требования

Для успешного освоения курса необходимы базовые знания в области информатики.

Программа курса

Модуль 1. Введение в практический ML

Модуль 2. Задача регрессии. Валидация результатов

Модуль 3. Задача классификации

Модуль 4. Задачи кластеризации и понижения размерности

Модуль 5. Ансамбли и нейронные сети

Результаты обучения

По завершении настоящего курса обучающиеся будут:

Знать:

фундаментальные научные принципы и методы исследований;
классы методов и алгоритмов машинного обучения;
специфику сфер и отраслей, для которых реализуется проект по аналитике больших данных.

Уметь:

адаптировать фундаментальные и новые научные принципы и методы исследований с целью практического применения;
ставить задачи и разрабатывать новые методы и алгоритмы машинного обучения;
решать задачи по руководству коллективной проектной деятельностью для создания, поддержки и использования комплексных систем на основе аналитик больших данных.

Владеть:

навыками адаптации известных научных принципов и методов исследований с целью их практического применения;
навыками решения профессиональных задач на основе применения новых научных принципов и методов исследования;
навыками постановки задачи по разработке и совершенствованию методов и алгоритмов для решения комплекса задач предметной области;
навыками осуществления руководства проектом по построению комплексных систем на основе аналитики больших данных в различных отраслях.

Формируемые компетенции

ОПК-1 Способен применять естественнонаучные и общеинженерные знания, методы математического анализа и моделирования, теоретического и экспериментального исследования в профессиональной деятельности

ОПК-2 Способен понимать принципы работы современных информационных технологий и программных средств, в том числе отечественного производства, и использовать их при решении задач профессиональной деятельности

ОПК-5 Способен инсталлировать программное и аппаратное обеспечение для информационных и автоматизированных систем

ОПК-6 Способен анализировать и разрабатывать организационно-технические и экономические процессы с применением методов системного анализа и математического моделирования

ОПК-7 Способен разрабатывать алгоритмы и программы, пригодные для практического применения

ПКП-1-ИИР-ОПК-1 Способен анализировать, разрабатывать, внедрять и выполнять организационно-технические и экономические процессы с применением технологий и систем искусственного интеллекта

ПКП-3-ИИР-ПК-1 Способен классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта

ПКП-4-ИИР-ПК-2 Способен разрабатывать и тестировать программные компоненты решения задач в системах искусственного интеллекта

ПКП-5-ИИР-ПК-4 Способен разрабатывать и применять методы машинного обучения для решения задач

ПКП-6-ИИР-ПК-5 Способен использовать инструментальные средства для решения задач машинного обучения

ПКП-7-ИИР-ПК-6 Способен создавать и поддерживать системы искусственного интеллекта на основе нейросетевых моделей и методов

УК-1 Способен осуществлять поиск, критический анализ и синтез информации, применять системный подход для решения поставленных задач

УКБ-3 Способен понимать сущность и значение информации в развитии общества, использовать основные методы получения и работы с информацией с учетом современных технологий цифровой экономики, искусственного интеллекта и науки о данных, а также информационной безопасности