Python для машинного обучения

В данном модуле изучаются основные подходы, методы и модели Data mining, а также практические навыки применения встроенных средств языка Python 3, библиотеки визуализации данных Matplotlib и Seaborn, библиотеки работы с данными Pandas и NumPy, Библиотеки машинного обучения Scikit-learn, TensorFlow

Часов в программе

36,00 часов

лекции

82,00 часа

практика

48,00 часов

самостоятельная

4,00 часа

промежуточная аттестация

170,00 часов

всего

Материально-технические условия реализации программы:

Вид занятий: Практические и лекционные занятия
Требуемое ПО:
Python 3, Anaconda, Google Chrome

Информационные ресуры

1. https://docs.python.org/3.9/
2. https://scikit-learn.org/stable/
3. http://deeplearning.net/software/theano/
4. https://www.kaggle.com/ - портал машинного обучения (курсы, наборы данных).
5. https://archive.ics.uci.edu/ml/index.php - наборы данных для машинного обучения

Образовательные ресуры

1. Программирование на Python https://stepik.org/course/67/promo
2. Курс "АНАЛИЗ ДАННЫХ"(электронный образовательный ресурс, размещённый в ЭОС РЭУ им. Г.В. Плеханова) http://lms.rea.ru

Учебно-методические материалы

Методы, формы и технологии

Вид занятий: Лекции с использованием мультимедия, Практические задания – выполнение заданий для закрепления полученных знаний, а также обучение процедурно-ориентированному программированию на языке Python

Методические разработки

Комплекты кейсов, методичек

Материалы курса

Язык программирования Python: практикум : учеб. пособие / Р.А. Жуков. — М. : ИНФРА-М, 2019. — 216 с. + Доп. материалы [Электронный ресурс; Режим доступа: http://www.znanium.com]. — (Высшее образование: Бакалавриат). — www.dx.doi.org/10.12737/textbook_5cb5ca35aaa7f5.89424805.

Учебная литература

Python 3 и PyQt 5. Разработка приложений: [Электронный ресурс] Пособие / Прохоренок Н.А. - СПб:БХВ-Петербург, 2016. - 833 с. ISBN 978-5-9775-3648-6 - Режим доступа: http://znanium.com/catalog/product/944629
2. Рамальо, Л. Python. К вершинам мастерства / Лучано Рамальо ; пер. с англ. А.А. Слинкина. - Москва : ДМК Пресс, 2016. - 768 с. - ISBN 978-5-97060-384-0. - Текст : электронный. - URL: https://new.znanium.com/catalog/product/1028052 - Текст : электронный. - URL: http://znanium.com/catalog/product/1028052
3. Основы алгоритмизации и программирования на Python : учеб. пособие / С.Р. Гуриков. — М. : ФОРУМ : ИНФРА-М, 2018. — 343 с. — (Высшее образование: Бакалавриат). - Режим доступа: http://znanium.com/catalog/product/924699

Темы

Тема 1. Линейная регрессия Тема 2. Логистическая регрессия и SVM Тема 3. Многоклассовая классификация, работа с категориальными признаками и текстами Тема 4. Решающие деревья. Бэггинг, случайный лес и градиентный бустинг Тема 5. Основные методы кластеризации. Дендрограммы, метод k-средних, EM-алгоритм. Оценка качества кластеризации Тема 6. Введение в глубокое обучение. Библиотеки tensorflow и pytorch