Модуль 1. «Основы машинного обучения»

Темы модуля:
1.1. Технологии для Data Science
1.2. Элементарные алгоритмы машинного обучения
1.3. Кластеризация
1.4. Ансамбли алгоритмов

Часов в программе

22,00 часа

лекции

29,00 часов

практика

52,00 часа

самостоятельная

1,00 час

промежуточная аттестация

104,00 часа

всего

Материально-технические условия реализации программы:

Вид занятий: лекция, практическая, СР, промежуточная аттестация
Требуемое ПО:
Компьютер должен соответствовать следующим техническим характеристикам:
Процессор:
• Intel Core 2 DUO или более поздней версии с поддержкой SSE2 или AMD Athlon x2 и выше;
• 2 ядра и выше;
• 1,8 ГГц и выше;
Операционная система (одна из перечисленных):
• Windows 7 и выше;
• OS X Yosemite 10.10 или более поздней версии;
• Ubuntu 14.04 (x64) или более поздней версии,
• Debian 8 или более поздней версии
• OpenSUSE 13.3 или более поздней версии,
• Fedora Linux 24 или более поздней версии.
Оперативная память: 3 Гб и более;
Свободное место на жестком диске 500 Мб;
Стабильное интернет-соединение:
• Скорость интернет-соединения не менее 1 Мбит/сек.
Веб-камера с разрешением не менее 640х480 px.
Разрешена передача данных по сетевым портам: 80 TCP, 443 TCP, 3478 TCP/UDP
В случае несоответствия компьютера требуемым техническим характеристикам Университет не может гарантировать прохождение обучения.

Информационные ресуры

1. TrueConf Group https://trueconf.ru/
2. Miro https://miro.com/
3. Гугл Документы https://drive.google.com/drive/
4. Гугл диаграммы https://www.diagrams.net/
5. И ещё для опросов https://www.menti.com/
6. Zoom

Образовательные ресуры

Образовательная платформа АНО ВО Университета Иннополис - LMS (Робокод)
CRM
Google forms
https://github.com/

Учебно-методические материалы

Методы, формы и технологии

● лекции;
● практические занятия;
● самостоятельная работа;
● промежуточная аттестация.

Методические разработки

Университет Иннополис обеспечен необходимым комплектом лицензионного программного обеспечения.
Каждый слушатель в течение всего периода обучения обеспечен индивидуальным неограниченным доступом к электронно-библиотечной системе (электронной библиотеке) и к электронной информационно-образовательной среде Университета (https://my.university.innopolis.ru). Электронно-библиотечная система и электронная информационно-образовательная среда обеспечивают возможность доступа, слушателя из любой точки, в которой имеется доступ к информационно-телекоммуникационной сети «Интернет» (далее - сеть «Интернет»), как на территории Университета, так и вне ее.
Также слушателям обеспечен доступ (удаленный доступ) к современным профессиональным базам данных и информационным справочным системам.
Для самостоятельной работы слушателей специальные помещения оснащены компьютерной техникой с возможностью подключения к сети «Интернет» и обеспечением доступа в электронную информационно-образовательную среду Университета.

Материалы курса

Материалы модуля расположены на странице курса LMS https://learn.innopolis.university/

Учебная литература

1. Воронов В. И., Воронова Л.И., Усачев В.А. Data Mining – технологии обработки больших данных. Учебное пособие /В. И. Воронов, Л.И. Воронова, В.А. Усачев. – М.: Московский технический университет связи и информатики, 2018 г. - Режим доступа: http://www.iprbookshop.ru/81324.html;
2. Воронова, Л. И. Интеллектуальные базы данных [Электронный ресурс]: учебное пособие / Л. И. Воронова. — Электрон. текстовые данные. — М.: Московский технический университет связи и информатики, 2013. — 35 c. — 2227-8397. — Режим доступа: http://www.iprbookshop.ru/63324.html;
3. Мирошников, А. И. Архитектура систем управления базами данных [Электронный ресурс]: учебное пособие / А. И. Мирошников. — Электрон. текстовые данные. — Липецк: Липецкий государственный технический университет, ЭБС АСВ, 2018. — 94 c. — 978-5-88247-879-6. — Режим доступа: http://www.iprbookshop.ru/83189.html;
4. Молдованова, О. В. Информационные системы и базы данных [Электронный ресурс]: учебное пособие / О. В. Молдованова. — Электрон. текстовые данные. — Новосибирск: Сибирский государственный университет телекоммуникаций и информатики, 2014. — 178 c. — 2227-8397. — Режим доступа: http://www.iprbookshop.ru/45470.html;
5. Мухина, Ю. Р. Управление данными. Ч. 2 [Электронный ресурс]: учебное пособие / Ю. Р. Мухина. — 2-е изд. — Электрон. текстовые данные. — Челябинск, Саратов: Южно-Уральский институт управления и экономики, Ай Пи Эр Медиа, 2019. — 144 c. — 978-5-4486-0710-3. — Режим доступа: http://www.iprbookshop.ru/81501.html;
6. Пальмов С. В. Интеллектуальный анализ данных [Электронный ресурс]: учебное пособие/ Пальмов С. В.— Электрон. текстовые данные. — Самара: Поволжский государственный университет телекоммуникаций и информатики, 2017.— 127 c.— Режим доступа: http://www.iprbookshop.ru/75376.html. — ЭБС «IPRbooks»;
7. Уэс Маккинли Python и анализ данных [Электронный ресурс]/ Уэс Маккинли— Электрон. текстовые данные.— Саратов: Профобразование, 2017.— 482 c.— Режим доступа: http://www.iprbookshop.ru/64058.html. — ЭБС «IPRbooks».

Темы

1.1. Технологии для Data Science 1.2. Элементарные алгоритмы машинного обучения 1.3. Кластеризация 1.4. Ансамбли алгоритмов

Лекции
6,00ч

Практические занятия
10,00ч

Самостоятельная работа
16,00ч

Всего
32,00ч

Промежуточная аттестация 1,00 час

зачет в форме выполнения практического задания