Код: 316197

Назва:

Математичні методи машинного навчання

Анотація: Курс зосереджено на вивченні математичних основ різних алгоритмів машинного навчання для задач сегментації, передбачення, кластеризації, класифікації, тощо. Вивчаються методи оптимізації, розв’язування та регуляризації обернених задач, що виникають в задачах мінімізації цільової функції за обмежень, що виникають в різних задачах. Розбираються статистичні основи: багатовимірна лінійна регресія, нелінійна регресія, критерії вибору моделей та добору ознак, баєсові методи та оцінка густини, кластеризація та часткове навчання, а також евристичні, стохастичні та нелінійні композиції. Елементи аналізу та передбачення часових рядів.

Тип дисципліни: нормативна

Рік навчання: 4

Семестр: 8 (весняний)

Кількість кредитів: 3

Форма контролю: залік

Викладач(і): ас. Сарана М.П.

Результати навчання: Демонструвати знання й розуміння основних концепцій, принципів, теорій прикладної математики і використовувати їх на практиці. Володіти методиками вибору раціональних методів та алгоритмів розв'язання математичних задач оптимізації, дослідження операцій, оптимального керування і прийняття рішень, аналізу даних. Вміти застосовувати сучасні технології програмування та розроблення програмного забезпечення, програмної реалізації чисельних і символьних алгоритмів. Розв'язувати окремі інженерні задачі та/або задачі, що виникають принаймні в одній предметній галузі: в соціології, економіці, екології та медицині. Використовувати в практичній роботі спеціалізовані програмні продукти та програмні системи комп'ютерної математики. Виявляти здатність до самонавчання та продовження професійного розвитку. Демонструвати навички професійного спілкування, включаючи усну та письмову комунікацію українською мовою та принаймні однією з офіційних мов ЄС. Знати основні принципи, методи і задачі машинного навчання. Застосовувати вивчені методи машинного навчання при вирішенні реальних практичних задач.

Спосіб навчання: дистанційний

Необхідні обовязкові попередні й супутні модулі: базові знання з математичного аналізу, теорії ймовірностей, математичної статистики, а також мови програмування Pyton.

Зміст дисципліни: Предмет, мета і структура курсу. Огляд класичних алгоритмів машинного навчання. Глибоке навчання. Згорткові та рекурентні штучні нейронні мережі. Генеративні алгоритми. Зменшення розмірності даних. Навчання з підкріпленям. Застосування алгоритмів машинного навчання.


Рекомендована література: 1. Andreas C. Muller and Sarah Guido: Introduction to Machine Learning with Pyton, O'Reilly Media,Inc., 2017.
2. Aston Zhang, Zachary C. Lipton, Mu Li, and Alexander J. Smola: Dive into Deep Learning, 2020.
3. Marc Peter Deisenroth, Aldo Faisal, Cheng Soon Ong: Mathematics for Machine Learning, Cambridge University Press 2020.

Форми та методи навчання: лекції, практичні заняття, виконання індивідуальних завдань, самостійна робота

Методи й критерії оцінювання: рейтингова система оцінювання за 100-бальною шкалою: - робота в семестрі (індивідуальні завдання, колоквіум) - залік

Мова навчання: українська