Введение в статистику и машинное обучение

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

	Дата	Ссылка
Занятие 1	06.11.2024	https://disk.yandex.ru/d/SNs4TmYBdckmvQ
Занятие 2	11.11.2024	https://disk.yandex.ru/d/cdQkvU6AwPrSdA
Занятие 3	18.11.2024	https://disk.yandex.ru/d/gfVohmylNMrcdg
Занятие 4	25.11.2024	https://disk.yandex.ru/d/qUo7R_3P8Il5tQ
Занятие 5	02.12.2024	https://disk.yandex.ru/d/4Mqa9k3bLaBk0w
Занятие 6	09.12.2024	https://disk.yandex.ru/d/Tbaz9M_gw7U2wA
Занятие 7	16.12.2024	https://disk.yandex.ru/d/cxLZEopf-FGxyw

Содержание дисциплины

№	Раздел	Тема
1	Введение в Python для машинного обучения	Основы Python для машинного обучения Введение в библиотеки: NumPy, Pandas, Matplotlib Исследование данных и визуализация
2	Основы теории вероятностей	Дискретная теория вероятности Статистики: среднее, медиана, мода, дисперсия и стандартное отклонение Введение в основные распределения Распределение Бернулли Биномиальное распределение Нормальное распределение
3	Основы математической статистики	Оценивание параметров Оценки среднего и дисперсии Свойства оценок
4	Основы оптимизации для машинного обучения	Градиентный спуск Методы второго порядка
5	Классическое машинное обучение	Обобщенные линейные модели Линейная регрессия Логистическая регрессия Переобучение Регуляризация
6	Основы нейронных сетей	Основы нейронных сетей: персептроны и функции активации Прямое и обратное распространение ошибок Введение в глубокое обучение: сверточные нейронные сети (CNN)
7	Механизм внимания	Как устроены большие языковые модели Архитектура трансформер Основные концепции: фильтры, пулинг, функции активации Техники регуляризации: dropout и L2-регуляризация

Преподаватели

Группа	Преподаватель	Время занятия
Лекции	Алексей Зайцев	18:10 - 19:30
1	Аркадий Алиев	19:40 - 21:00
2	Александр Кудряшов	19:40 - 21:00