Введение в статистику и машинное обучение — различия между версиями

Текущая версия на 20:09, 9 января 2025

О курсе

Курс читается для студентов 1-го курса ПМИ (ИИ360) во 2 модуле.

Лектор: Алексей Зайцев, Руководитель внешних академических исследований в блоке риски «Сбера»

Распределение часов по курсу: 28 часов в 2 модуле (14 часов лекций, 14 часов семинаров)

Цель курса «Введение в статистику и машинное обучение» — познакомить учащихся с основными методами статистики и машинного обучения, а также с ключевыми библиотеками Python (NumPy, Pandas, Matplotlib) для анализа данных. Программа охватывает теорию вероятностей, оценивание параметров, линейные и логистические модели, основы нейронных сетей и архитектуру Трансформер. Факультатив поможет подготовиться к исследовательским проектам и обязательным курсам по ML на втором курсе.

Задачи дисциплины:

• Погружение в основные библиотеки Python для работы с данными и построения визуализаций (NumPy, Pandas, Matplotlib);
• Применение теории вероятностей и статистических методов для анализа и интерпретации данных;
• Решение оптимизационных задач, характерных для машинного обучения, с использованием методов градиентного спуска;
• Применение линейных и логистических моделей для анализа и обработки данных в реальных задачах;
• Разработка и настройка нейронных сетей для анализа сложных данных, включая использование сверточных сетей, методов регуляризации и dropout;
• Реализация моделей на основе архитектуры Трансформеров с применением механизмов внимания.

Оценивание включает домашние задания, midterm-экзамен и устный финальный экзамен.

Полезные ссылки

Телеграм-канал курса

Разделение по группам на факультативе

Расписание пар

Записи занятий

Содержание дисциплины

Преподаватели